掩膜区域内像素值_基于颜色空间采样的抠图算法

摘 要： 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。本文首先通过采集大量的样本对来估计初始的掩膜值，但是通过采样得到的样本对并不能很好地估计掩膜值，为此定义未知像素与前背景样本点的空间距离和颜色距离函数来对其进行优化。通过最小化该代价函数来求得最优的样本对，使得最终得到的结果实现了准确性和鲁棒性的良好均衡。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。

关键词： 自然图像抠图；掩膜值；信度函数

0 引言

抠图就是从一张给定的图片中提取出感兴趣的部分，数字图像抠图可以表示为前景F和背景B的线性组合，即颜色组合公式：

对于图像中的每个像素点(x, y)，式(1)中的I(x, y)代表该点的像素值，F(x, y)和B(x, y)代表该点的前景色和背景色的像素值，α代表前景色所占的比例，称之为透明度或者掩膜值，α的取值介于[0, 1]之间，当α=1时表明当前像素是完全前景像素，当α=0时表示当前像素是完全背景像素，而抠图的本质就是求出每个像素点对应的α值。由于式(1)中α、F和B都是未知的，所以式(1)的解具有高度不确定性，因此自然图像抠图实际上是一个不能精确求解的过程。

当前的抠图方法根据研究图像近邻像素的相关性和图像统计，可分为基于采样、基于传播、采样传播相结合三种方法。其中基于采样的抠图方法通过计算前景和背景的颜色来估计掩膜值，早期的方法如Bayesian Matting[1]、Ruzon-Tomasi[2]、Hillman[3]等都是基于采样的方法，但是通过采样的方法采集到的前景和背景像素的样本点具有不确定性，使得最终得到的掩膜值不够精确；基于传播的方法不需要通过采集样本点来估计掩膜值，它假设未知像素在一个小窗口内是局部平滑的，再在闭合空间中求解α。Random Walk Matting[4] 、Closed Form Solution[5] 、Poisson Matting[6]等都属于基于传播的方法，该方法对大部分图片都能取得较好的结果，但是对一些前景和背景颜色较为复杂的图像，采样与传播相结合的方法能取得更好的结果，如Shared Matting[7]、Robust Matting[8]、Comprehensive Sampling Matting[9]等。

对于复杂的图像，要计算得到精确的掩膜值是比较困难的。本文首先采集大量的与未知像素相邻的样本点，然后通过未知像素与前景和背景样本点的颜色空