实时抠图算法

最新推荐文章于 2024-07-23 17:56:20 发布
最新推荐文章于 2024-07-23 17:56:20 发布
阅读量1.7w 收藏 23
点赞数 5
分类专栏： 多媒体 文章标签： 扣图 alpha matting image process 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/volvet/article/details/51713766
版权
本文介绍了基于邻域信息的实时Alpha Matting算法——Shared Sampling，该算法复杂度低且效果良好。提供了一个基于MAC Xcode的实现，并且可以轻松移植到其他平台。虽然目前实现依赖OpenCV，但算法核心并不依赖它。主要步骤包括ExpandKnown、Gathering、RefineSamples和Local smoothing，通过处理Trimap为未知像素生成Alpha值。
摘要由CSDN通过智能技术生成

基于邻域信息的扣图算法,  Shared Sampling for Real Time Alpha Matting, 相比其他的Alpha Matting,   复杂度低, 效果不错.  原文可以在此下载: http://inf.ufrgs.br/~eslgastal/SharedMatting/

参考网上的例子, 整理实现了算法:   https://github.com/volvet/AlphaMatting,   工程是基于MAC Xcode建立的, 也很容易被移植到其他平台.  

目前的实现对OpenCV有依赖,  但是实际上其之用OpenCV的图像读取, 存储和一些相关数据结构, 其算法本身并不依赖OpenCV, 所以从OpenCV剥离也是容易的.  


算法的输入:   待处理的pixture,   和 trimap,   trimap 是已经确定了前景, 背景和未知区域的图, 实际上是一个三值图像.

算法的几个主要步骤 

   1.      ExpandKnown 

    2.     Gathering  

    3,     RefineSamples

    4.     Local smoothing.  


处理结果如图:

输入图片

最低0.47元/天 解锁文章
volvet
关注
专栏目录
GlobalMatting 抠图算法
02-14
抠图算法 GlobalMatting 算法（Shared Sampling for Real-Time Alpha Matting 改进） VS2013 OPENCV2.4.13
ModNet抠图算法及摄像头实时抠图示例
benben044的专栏
06-09 2329
网络结构由：语义估计分支、细节预测分支、语义-细节融合分支 组成
Unity 绿幕视频抠图算法&原理与实现 -- 效果极好
Chj1319261607的博客
10-17 1194
Unity 绿幕视频抠图算法&原理与实现 -- 效果极好
Python教程：去除背景，让你轻松拿捏抠图技巧(附多种方式)
最新发布
2301_78096295的博客
07-23 1367
。对于简单的背景，OpenCV的阈值分割或GrabCut可能就足够了。对于更复杂的场景，使用
抠图算法：经典的贝叶斯抠图
weixin_40405315的博客
08-22 7423
版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/baimafujinji/a...
绿屏抠图（image matting）
Not everything that counts can be counted
01-02 1万+
提前声明本文内容： 1、本文核心算法（alpha求解）基于论文Shared Sampling for Real-Time Alpha Matting进行; 2、本文对上面论文的核心算法进行了分析； 3、对于绿色背景的视频进行自动抠图与重新合成； 4、绿屏视频中（只要是单一颜色背景）的前景目标在新背景上的位置以及大小用户自己设定； 5、对于光照有较好的鲁棒性； 部分结果展示： ...
图像处理（二十二）贝叶斯抠图-CVPR 2001
热门推荐
hjimce的专栏
08-14 2万+
可能很多人会把图像分割和抠图混在一起。我的观点是图像分割和图像抠图的算法是完全不同的，图像抠图算法比较复杂，需要涉及到α值得求取问题，也就是还有alpha通道，当然抠出来的精度也远远高于图像分割算法。 图像抠图的英文单词又称之为：Matting。在图像里面前景色和背景色经过alpha融合后，得到一张图片：   其中F表示前景颜色值，B表示背景的颜色值。而C就是最后合成的结果。因此图像抠图就是
Kmeans 算法抠图
02-14
在图像处理中，KMeans算法可以被巧妙地应用到抠图任务上，尤其是当背景颜色为纯色时，这种方法能快速有效地分离前景对象与背景。在这个场景下，VS2013集成开发环境结合OpenCV2.4.13库可以实现这一功能。 首先，...
基于颜色空间采样的抠图算法
10-17
由于自然图像抠图具有高度的不确定性，目前的抠图方法中对于前背景颜色较为复杂的图片处理效果并不理想。...自然图像抠图实验结果表明，与其他几种抠图算法相比，本算法在视觉效果上和均差误差上都优于其他算法。
grabCut 算法抠图
02-14
在压缩包中的`SharedMatting_GrabCut`文件可能是一个示例代码或者项目，它可能展示了如何在实际应用中结合GrabCut算法进行图像抠图和共享模糊处理。通过学习和理解这段代码，你可以更好地掌握GrabCut算法的实现细节...
kinectV2抠图算法
05-22
标题“kinectV2抠图算法”涉及到的是利用微软的第二代Kinect设备进行人体轮廓检测和背景分离的技术。在IT行业中，这项技术通常应用于增强现实、体感游戏、人机交互等领域。KinectV2提供了高精度的深度感知和颜色...
人像抠图学习笔记
jacke121的专栏
12-06 4823
u 2 net: https://github.com/ZHKKKe/MODNet
抠图算法-Alpha Matting
pure_zhou的博客
09-25 1万+
目录概述graph cutAlpha Matting 概述 对于抠图，比较简单的方法是图像分割，这是很老的方法，但这其实算不上真正意义的抠图，因为他的主要目的是用于图像之间块与块的分割。典型的就是grabcut算法，opencv上面有相应的优化好的算法。还有一种就是对于前后景的分割，叫做Alpha Matting，这是抠图的主要实现方法，好的算法对头发丝也能处理得很好，最近主要实现了2010年的一篇论文《Shared Sampling for Real-Time Alpha Matting》，这是比较出名的
stb (c++) 图像抠图
weixin_51133173的博客
04-19 150
【代码】stb (c++) 图像抠图。
图像抠图DIS——自然图像中高精度二分图像抠图的方法（C++/python模型推理）
知来者逆的博客
03-25 1412
二分图像分割（DIS），旨在从自然图像中分割高精度的对象。为此，我们收集了第一个大规模DIS数据集，称为DIS5K，其中包含5470张高分辨率（例如2K、4K或更大）图像，涵盖各种背景中的伪装、突出或精细物体。DIS使用极细粒度的标签进行注释。此外，我们还引入了一个简单的中间监督基线（IS-Net），使用特征级和掩码级指导进行DIS模型训练。IS-Net在建议的DIS5K上优于各种前沿基线，使其成为一个通用的自学习监控网络，可以促进DIS的未来研究。
dukelearntoprogram Green Screen Web Page 绿幕图片算法+HTML实现
ganlanA的博客
03-30 684
一个可以更改绿幕图片的背景的算法，并且可以在网页上传自定义图片进行背景合成。
c++抠图的正确姿势
太白断水客
11-29 2901
利用OpenCV官方算法进行前景识别，达成近似于证件照抠图的效果
智能人像自动抠图——C++ 实现LFM 模型推理
知来者逆的博客
11-30 4413
前言 关于抠图，首先想到的是PS的抠图，要美工手动一点点的把细节抠出来，抠图的好坏取决一个美工对PS的熟悉程度，在人像抠图方面，对头发的处理更是耗时耗力的一件事，在拍证件照的照像馆都有固定的绿幕来挡掉复杂的背景，以免增加后期的工作量，那么有没有一种完全自动的抠图办法呢？ [A Late Fusion CNN for Digital Matting] CVPR 2019 上的一编论文， 作者提出了全自动抠图这个算法，不需要绿幕，也不需要输入trimap图（有了解传统抠图算法的应该知道这个图是干吗用的），背景
python抠图算法
11-15
根据引用所述，Python作为一门高效的编程语言，其图像处理能力也非常强大。Python图像处理库具有高精度的边缘检测、自动裁剪等功能，可以准确地提取需要的物体。因此，Python抠图算法的实现方式可以分为以下几个步骤： 1.读取图像：使用Python的图像处理库PIL（Python Imaging Library）或OpenCV等库读取需要进行抠图的图像。 2.预处理：对读取的图像进行预处理，包括图像增强、降噪、平滑等操作，以提高后续处理的准确性。 3.边缘检测：使用Python的图像处理库进行边缘检测，以便更好地分离前景和背景。 4.分割图像：根据边缘检测的结果，将图像分割成前景和背景两部分。 5.抠图：根据分割出的前景部分，使用Python的图像处理库进行抠图操作，将前景部分从原图中分离出来。 6.保存图像：将抠图后的结果保存为需要的格式，如PNG、JPEG等。 以下是一个使用OpenCV库实现的Python抠图算法的代码示例： ```python import cv2 # 读取图像 img = cv2.imread('image.jpg') # 预处理 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) blur = cv2.GaussianBlur(gray, (5, 5), 0) # 边缘检测 edges = cv2.Canny(blur, 50, 150) # 分割图像 contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) mask = cv2.drawContours(img, contours, -1, (0, 0, 255), 3) # 抠图 result = cv2.bitwise_and(img, mask) # 保存图像 cv2.imwrite('result.png', result) ```
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值