图像前景分割之GrabCut算法

参考:

       参考项目一：https://github.com/NathanZabriskie/GraphCut

       参考项目二：https://github.com/cm-jsw/GraphCut

运行环境：

       1.python3.x

       2.所需库函数：numpy,opencv-python

       3.操作步骤：

              1) 长按鼠标右键在分割目标周围标定矩形框，矩形框外的区域被自动认为是背景；

              2) 按字母'n'得到初步分割结果；

              3) 按数字'0'，在input图上通过长按鼠标左键进行背景标注，按字母'n'得到初步分割结果。(标注处为背景区域去掉)；

              4) 按数字'1'，在input图上通过长按鼠标左键进行前景标注，按字母'n'得到初步分割结果。(标注处为前景区域增加保留)

              5) 按数字'2'，在input图上通过长按鼠标左键进行背景标注，按字母'n'得到初步分割结果。(标注处为可能为背景区域)；

              6) 按数字'3'，在input图上通过长按鼠标左键进行前景标注，按字母'n'得到初步分割结果。(标注处为可能为前景区域)；

              7) 按字母'r'，重置；

              8) 按字母's'，将分割后的图片保存到输出文件；

              9) 按键盘'esc'，退出；

       在input图片中标定含有物体的矩形，矩形外的区域被自动认为是背景，对于用户标定的矩形区域，可用背景中的数据来区别它里面的前景和背景区域。用高斯混合模型（GMM）来对背景和前景建模，并将末定义的像素标记为可能的前景或背景。图像中的每一个像素都被看作通过虚拟边与周围像素相连接，而每一条边都有一个属于前景或背景的概率，这基于它与周围像素颜色上的相似性。每一个像素会与一个前景或背景节点连接。若节点之间不属于同一个终端（就是两个相邻的节点，一个节点属于前景，一个节点属于背景），则会切断它们之间的边，这就将图像各个部分分割出来了。

# -*- coding:utf-8 -*-
# Python 2/3 compatibility
from __future__ import print_function