opencv-GrabCut算法交互式前景提取

opencv-GrabCut算法交互式前景提取

OpenCV 提供了函数：cv2.grabCut()。下面为它的参数：
• img - 输入图像
• mask-掩模图像，用来确定那些区域是背景，前景，可能是前景/背景等。可以设置为：cv2.GC_BGD,cv2.GC_FGD,cv2.GC_PR_BGD,cv2.GC_PR_FGD，或者直接输入 0,1,2,3 也行。
• rect - 包含前景的矩形，格式为 (x,y,w,h)
• bdgModel, fgdModel - 算法内部使用的数组. 你只需要创建两个大小为 (1,65)，数据类型为 np.float64 的数组。
• iterCount - 算法的迭代次数
• mode 可以设置为 cv2.GC_INIT_WITH_RECT 或 cv2.GC_INIT_WITH_MASK，也可以联合使用。这是用来确定我们进行修改的方式，矩形模式或者掩模模式 。

矩阵模式：

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。
代码如下：

 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()

对于识别有误的地方：
我们使用图像编辑软件打开输入图像，添加一个图层，使用笔刷工具在需要的地方使用白色绘制（比如头发，鞋子，球等）；使用黑色笔刷在不需要的地方绘制（比如， logo，草地等）。然后将其他地方用灰色填充，保存成新的掩码图像。在 OpenCV 中导入这个掩模图像，根据新的掩码图像对原来的掩模图像进行编辑。
代码如下:

newmask = cv2.imread('newmask.jpg',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') 

同时也可以不使用矩形初始化，直接进入掩码图像模式。使用 2像素和 3 像素（可能是背景/前景）对矩形区域的像素进行标记。然后象我们在第二个例子中那样对肯定是前景的像素标记为 1 像素。然后直接在掩模图像模式下使用 grabCut 函数。

参考文章