opencv-使用GrabCut算法进行交互式前景提取

最新推荐文章于 2024-08-16 20:20:08 发布

风吴痕

最新推荐文章于 2024-08-16 20:20:08 发布

阅读量4k

点赞数

分类专栏： opencv 文章标签： opencv

opencv 专栏收录该内容

104 篇文章 13 订阅

订阅专栏

参考：

1、http://docs.opencv.org/3.3.0/ 官方文档api

2、http://docs.opencv.org/3.3.0/d6/d00/tutorial_py_root.html 官方英文教程

3、https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html

4、https://github.com/makelove/OpenCV-Python-Tutorial# 进阶教程

5、https://docs.opencv.org/3.3.0/index.html 官方英文教程

6、https://github.com/abidrahmank/OpenCV2-Python-Tutorials

7、https://www.learnopencv.com/

8、http://answers.opencv.org/questions/ OpenCV论坛

9、https://github.com/opencv/opencv 官方github

10、https://github.com/abidrahmank/OpenCV2-Python-Tutorials

注：安装的版本 opencv_python-3.3.0-cp36-cp36m-win_amd64.whl

参考：https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html

演示

现在我们用OpenCV去挖掘算法。 OpenCV具有此功能，cv2.grabCut（）。我们将首先看到它的论点：

img - 输入图像

掩码 - 它是一个掩模图像，我们指定哪些区域是背景，前景或可能的背景/前景等。它由以下标志，cv2.GC_BGD，cv2.GC_FGD，cv2.GC_PR_BGD，cv2.GC_PR_FGD或简单地通过 0,1,2,3到图像。

rect - 以格式（x，y，w，h）包含前景对象的矩形坐标，

bdgModel，fgdModel - 这些是内部由算法使用的数组。您只需创建两个大小为（1,65）的np.float64类型零数组。

iterCount - 算法运行的迭代次数。

模式 - 它应该是cv2.GC_INIT_WITH_RECT或cv2.GC_INIT_WITH_MASK或组合，它决定我们是绘制矩形还是最终的触摸笔画。

首先让我们看看矩形模式。我们加载图像，创建一个类似的掩码图像。我们创建fgdModel和bgdModel。我们给出矩形参数。这一切都是直截了当的。让算法运行5次迭代。模式应该是cv2.GC_INIT_WITH_RECT，因为我们使用矩形。然后运行grabcut。它修改掩模图像。在新的mask图像中，像素将被标记为四个标志，表示如上所述的背景/前景。所以我们修改掩码，使得所有的0像素和2像素都被置于0（即背景），所有的1像素和3像素被放到1（即前景像素）。现在我们的最后面具准备好了。只需将其与输入图像相乘即可获取分割图像。

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('messi5.jpg')
mask = np.zeros(img.shape[:2],np.uint8)

bgdModel = np.zeros((1,65),np.float64)
fgdModel = np.zeros((1,65),np.float64)

rect = (50,50,450,290)
cv2.grabCut(img,mask,rect,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT)

mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8')
img = img*mask2[:,:,np.newaxis]

plt.imshow(img),plt.colorbar(),plt.show()

我实际做的是，我在油漆应用程序中打开输入图像，并向图像添加了另一个图层。在油漆中使用画笔工具，我在这个新图层上用黑色标记了白色和不需要的背景（如标志，地面等）的未来前景（头发，鞋子，球等）。然后用灰色填充剩余的背景。然后在OpenCV中加载该掩码图像，编辑原始掩码图像，我们在新添加的掩码图像中得到相应的值。检查以下代码：

# newmask is the mask image I manually labelled
newmask = cv2.imread('newmask.png',0)

# whereever it is marked white (sure foreground), change mask=1
# whereever it is marked black (sure background), change mask=0
mask[newmask == 0] = 0
mask[newmask == 255] = 1

mask, bgdModel, fgdModel = cv2.grabCut(img,mask,None,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_MASK)

mask = np.where((mask==2)|(mask==0),0,1).astype('uint8')
img = img*mask[:,:,np.newaxis]
plt.imshow(img),plt.colorbar(),plt.show()