OpenCV 图像分割之grabCut算法
- 2019 年 10 月 4 日
- 筆記
GrabCut算法的原理涉及到以下知识：
- K均值聚类
- 高斯混合模型建模(GMM)
- max flow/min cut
GrabCut算法的实现步骤：
- 在图片中定义(一个或者多个)包含物体的矩形。
- 矩形外的区域被自动认为是背景。
- 对于用户定义的矩形区域，可用背景中的数据来区分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，并将未定义的像素标记为可能的前景或者背景。
- 图像中的每一个像素都被看做通过虚拟边与周围像素相连接，而每条边都有一个属于前景或者背景的概率，这是基于它与周边像素颜色上的相似性。
- 每一个像素(即算法中的节点)会与一个前景或背景节点连接。
- 在节点完成连接后(可能与背景或前景连接)，若节点之间的边属于不同终端(即一个节点属于前景，另一个节点属于背景)，则会切断他们之间的边，这就能将图像各部分分割出来。下图能很好的说明该算法：
示例代码如下：
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread("2.jpg") mask = np.zeros(img.shape[:2], np.uint8) bgdModel = np.zeros((1,65), np.float64) #以0填充的背景 fgdModel = np.zeros((1,65), np.float64)#以0填充的前景 #rect = (100,10,300,300) rect = (1,1, 600, 430) #grabCut(img, mask, rect, bgdModel, fgdModel, iterCount[, mode]) -> mask, bgdModel, fgdModel cv2.grabCut(img, mask, rect, bgdModel, fgdModel, 6, cv2.GC_INIT_WITH_RECT) #做完这些我们的掩码已经变成包含0~3的值 #将掩码中0或2 转为0（背景）， 其它（1或3）转为1（前景） mask2 = np.where((mask==2)|(mask ==0), 0, 1).astype(np.uint8) img1 = img*mask2[:,:, np.newaxis]#分割后的前景 plt.subplot(121) plt.imshow(cv2.cvtColor(img1, cv2.COLOR_BGR2RGB))#BGR模式 转RGB 模式 plt.title("grabcut") plt.xticks([]); plt.yticks([]) #不显示坐标轴刻度 plt.subplot(122) plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) plt.title("original") plt.xticks([]); plt.yticks([])#不显示坐标轴刻度 plt.show()
分割效果见下图：
