OpenCV 影像分割之grabCut演算法
- 2019 年 10 月 4 日
- 筆記
GrabCut演算法的原理涉及到以下知識：
- K均值聚類
- 高斯混合模型建模(GMM)
- max flow/min cut
GrabCut演算法的實現步驟：
- 在圖片中定義(一個或者多個)包含物體的矩形。
- 矩形外的區域被自動認為是背景。
- 對於用戶定義的矩形區域，可用背景中的數據來區分它裡面的前景和背景區域。
- 用高斯混合模型(GMM)來對背景和前景建模，並將未定義的像素標記為可能的前景或者背景。
- 影像中的每一個像素都被看做通過虛擬邊與周圍像素相連接，而每條邊都有一個屬於前景或者背景的概率，這是基於它與周邊像素顏色上的相似性。
- 每一個像素(即演算法中的節點)會與一個前景或背景節點連接。
- 在節點完成連接後(可能與背景或前景連接)，若節點之間的邊屬於不同終端(即一個節點屬於前景，另一個節點屬於背景)，則會切斷他們之間的邊，這就能將影像各部分分割出來。下圖能很好的說明該演算法：
示例程式碼如下：
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) #做完這些我們的掩碼已經變成包含0~3的值 #將掩碼中0或2 轉為0（背景）， 其它（1或3）轉為1（前景） mask2 = np.where((mask==2)|(mask ==0), 0, 1).astype(np.uint8) img1 = img*mask2[:,:, np.newaxis]#分割後的前景 plt.subplot(121) plt.imshow(cv2.cvtColor(img1, cv2.COLOR_BGR2RGB))#BGR模式 轉RGB 模式 plt.title("grabcut") plt.xticks([]); plt.yticks([]) #不顯示坐標軸刻度 plt.subplot(122) plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) plt.title("original") plt.xticks([]); plt.yticks([])#不顯示坐標軸刻度 plt.show()
分割效果見下圖：
