目錄
1 GrabCut算法
GrabCut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(注意:初始框)。
-
矩形外的區域被自動認爲是背景。
-
對於用戶定義的矩形區域,可用背景中的數據來區分它裏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爲可能的前景或者背景。
-
圖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,這就能將圖像各部分分割出來。
2 算法圖
3 代碼
import numpy as np
import cv2
from matplotlib import pyplot as plt
def grabut(imgpath, rect, iterCount):
img = cv2.imread(imgpath)
# 創建一個與所加載圖像同形狀的Mask
mask = np.zeros(img.shape[:2], np.uint8)
# 算法內部使用的數組,必須創建兩個np.float64 類型的0數組,大小是(1, 65)
bgdModel = np.zeros((1, 65), np.float64)
fgdModel = np.zeros((1, 65), np.float64)
cv2.grabCut(img, mask, rect, bgdModel, fgdModel, iterCount, cv2.GC_INIT_WITH_RECT)
# 掩模已經變爲包含0-3之間的值。值爲0和2轉換爲0,值爲1和3轉爲1,並將結果存在mask2中。
mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8')
img = img * mask2[:, :, np.newaxis]
plt.subplot(121), plt.imshow(cv2.cvtColor(cv2.imread(imgpath), cv2.COLOR_BGR2RGB))
plt.title("original"), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.title("grabcut"), plt.xticks([]), plt.yticks([])
plt.show()
if __name__ == '__main__':
imgpath = 'img/dog.jpg'
# 人工前景的矩形區域(rect.x,rect.y,rect.width,rect.height)
rect = (200, 60, 700, 640)
grabut(imgpath, rect, 5)
pass
4 結果
參考資料:Opencv3 計算機視覺 python語言實現