Image Matting传统方法和深度学习方法回顾

  Image Matting是一个基本的计算机视觉问题，有着广泛的应用。这个是之前的一次大作业选题，一直忘记整理了。这篇博客主要从最简单的 证件照换背景入手，以此为切入点，开始探究复杂图片的Image Matting课题上经典的传统方法和近年来兴起的深度学习方法。在传统方法部分，有比较典型的三种经典算法： Bayesian Matting、Closed Form Mating、KNN Matting。而在深度学习方面的 Deep Image Matting、AlphaGAN Matting。最后，经过对现有方法的对比总结，发现现有的方法有一个很大的问题是需要手工标记的Trimap才能进行Image Matting，因此尝试结合 显著图实现不需要人为标注Trimap，来进行抠图。

Introduction

  图像和视频中的前景准确估计问题，在实际应用中具有十分重要的意义。它是图像编辑和电影制作中的一项关键技术。1996年Alvy Ray Smith等人的《Blue Screen Matting》[1]，正式定义了Image Matting问题，即Image Matting问题核心是以下公式：

$I_i={\alpha }_i{F}_i+(1-{\alpha }_i)B_i$
其中 $I_i$是原始图像的像素，为已知量； ${\alpha }_i$是透明度， $F_i$是前景像素， $B_i$是背景像素，这三个变量为未知量。对于这个公式的理解，我们可以把原始图像看做是前景和背景按照一定权重（ ${\alpha }_i$透明度）叠加组成的。对于完全确定是前景的像素， ${\alpha }_i=1$；对于完全确定是背景的像素， ${\alpha }_i=0$；对于不确定是前景还是背景的像素， ${\alpha }_i$是介于0到1之间的浮点数。如下图所示，Image Matting问题研究的是，如何通过 $I$，推测出未知的三个变量 $\alpha$、 $F$和 $B$ ，难度可想而知。

  在得到如上图所示透明度图片 $\alpha$后，结合原图我们就可以简单地进行更换背景，这在图像和视频处理中具有重要的使用价值，如下图所示。

  1996年Alvy Ray Smith等人的《Blue Screen Matting》[1]给出了Triangulation Matting的方法，整体思想是：既然Image Matting原问题那么难，不如把条件放松，使得问题简单一些，假设我知道了 $B$和 $I$，那么有没有可能得到 $\alpha$和 $F$，于是作者提出针对同一张前景，切换背景，来应用最小二乘法，计算得到对应的透明度和前景。
  2004年Jian Sun等人的《Poisson matting》[2]开始在Image Matting课题上提出使用Trimap作为辅助工具。Trimap分为三种颜色，黑色代表完全背景（此处 $\alpha$为0），白色代表完全前景（此处 $\alpha$为1），灰色代表不确定区域（ $\alpha$为0.5）。因为前面提到过由于方程是病态的，所以要有约束条件才有解，而Trimap就相当于约束条件，并且简化计算。自此，Image Matting变为下图所示过程：

简单图像的Image Matting–证件照换背景

  证件照换背景应该算是最简单的Image Matting，由于证件照背景属性的特殊性，这个抠图很容易可以实现。算法分为几个步骤：

1. 读入原始证件照图片
2. 转换到HSV色彩空间
3. 设置HSV空间的阈值获得图片背景的mask
4. 腐蚀膨胀去除干扰点
5. 遍历像素点替换背景颜色

这里代码很简单，python+opencv库：

import cv2
import numpy as np

img = cv2.imread('lqt.jpg')
# 缩放
img = cv2.resize(img, None, fx=0.5, fy=0.5)
rows, cols, channels = img.shape
cv2.imshow('img', img)

# 转换hsv
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
lower_blue = np.array([90, 70, 70])
upper_blue = np.array([124, 255, 255])
mask = cv2.inRange(hsv, lower_blue, upper_blue)
cv2.imshow('Mask', mask)

# 腐蚀膨胀
erode = cv2.erode(mask, None, iterations=1)
cv2.imshow('erode', erode)
dilate = cv2.dilate(erode, None, iterations=1)
cv2.imshow('dilate', dilate)

# 遍历替换，line27指定背景颜色
for i in range(rows):
    for j in range(cols):
        if dilate[i, j] == 255:
            img[i, j] = (0, 0, 255)
cv2.imshow('res', img)

cv2.waitKey(0)
cv2.destroyAllWindows()

大致效果如下图所示，可以实现任意颜色纯色背景的替换。

复杂图像的Image Matting

  传统方法部分，有比较典型的三种经典算法：Bayesian Matting、Closed Form Mating、KNN Matting[3-5]。时间关系，我就不在这里写了 PS:公式太多，整理了word，再搬过来又要用LaTex再敲一遍 但是这些传统方法的思想还是很值得思考，有兴趣的可以研究一下，网上也有很多资料。
  近年来，随着深度学习技术的发展，使得Deep Learning在计算机视觉领域的应用变得越来越广泛。主要介绍2017年CVPR的Deep Image Matting[6]和AlphaGAN[7]。

1. Deep Image Matting

  这个网络基于典型的Encoder-Decoder结构，做深度学习的应该比较熟悉这种结构在图像分割和以图得图的GAN网络中最常见。Encoder用pre-trained的VGG16，把fc6从全连接换成了卷积，并在输入增加了第四通道channel4，用来存放输入的trimap，因为channel4而增加的weights全部初始化为0。Decoder用简单的unpooling（上池化）和convolution的组合来做upsampling（上采样）和空间结构推断。右边的refine network是为了解决第一阶段预测输出边缘blur的情况。
  值得一提的是这篇文章提出了两种Loss，这两种Loss分别是Alpha-prediction Loss和Compositional Loss。Alpha-prediction Loss即Ground Truth $\alpha$值和预测每个像素$\alpha$值之间的绝对差异。

$L_{\alpha }^i=\sqrt{{({\alpha }_p^i-{\alpha }_g^i)}^2+{\epsilon }^2}{\alpha }_p^i,{\alpha }_g^i\in [0,1]$
  Compositional Loss，即Ground Truth 前景、背景和预测alpha matting组成的预测RGB图片与Ground Truth RGB图片之间的绝对差异。
$L_c^i=\sqrt{{(c_p^i-c_g^i)}^2+{\epsilon }^2}{c}_p^i,c_g^i\in [0,1]$
而神经网络训练的Loss是由两种Loss加权，在实验中作者设置 ${\omega }_l=0.5$，即两种Loss的贡献一样。
$L_{overall}={\omega }_l\cdot L_{\alpha }+(1-{\omega }_l)\cdot L_c$
  最后附上作者的 源码，按readme很容易跑起来。

2. AlphaGAN Matting

  基于前面Deep Image Matting的启发，我们知道Image Matting这个任务本质上是一个以图得图的任务，而处理这种任务最常见的就是图像分割和GAN（生成对抗网络）。这里我们选择探究GAN网络在Image Matting问题上的应用。
  生成对抗网络GAN由生成网络G(Generator)和判别网络D(Discriminator)组成。在训练过程中，生成网络G的目标是尽量生成真实的图片去欺骗判别网络D。而D的目标是尽量把G生成的图片和真实的图片区分开来。这样G和D构成了一个动态的“零和博弈”。GAN就是通过Generator和discriminator进行零和博弈，来不断生成，不断欺骗来获得更好的效果。
  2018年BMVC有一篇论文：AlphaGAN。这篇文章是基于之前的Deep Image Matting做的。AlphaGAN matting 很大程度上借鉴了Deep Image matting，源码在这。
  AlphaGAN matting 将Deep Image matting中的深度网络拿来作为了GAN的generator，改进只是只是把encoder中的VGG16换成了ResNet50，并把少部分卷积层替换，采用的损失函数和5.1中我们提到的loss一致。AlphaGAN matting 的discriminator采用PatchGAN，也是以图得图问题中比较先进且常用的discriminator。PatchGAN对图片中每个N×N的小块(Patch)计算概率，然后将这些概率求平均值作为整体的输出，这样做可以加快速度以及加快收敛。

结合显著性检测自动生成Trimap

  到目前为止，大家都能看出来Image Matting最大的弊端：给定一张图，需要一张手工标记的trimap才能开始Image Matting。下面我们讨论怎样让trimap的生成变得更加智能。

1. 手动标注生成Trimap

  前面提到的Image Matting方法都需要手工标注的Trimap才可以进行抠图。而这些trimap大多依赖手工标记生成，如利用Photoshop等，但这些专业的图像操作软件对于普通人利用起来并非易事。于是网上也有封装好的Robust Matting程序来协助我们手工标记来生成trimap。

2. 自动生成Trimap

我们想到用显著图（saliency map）结合一些图像处理方法来实现从原始图片到trimap，再从trimap到图。从而实现只需要给定一张原始图片，就可以输出抠完图的结果。
算法流程：

1. 利用目前比较先进的显著物体检测算法（salient object detection）[8]来得到显著图。
2. 对显著图进行阈值分割，粗略地划分前景区域和背景区域。
3. 对得到的二值图分别进行一次腐蚀和一次膨胀操作。
4. 两次操作的差记为未知区域。
5. 由前景区域、背景区域、未知区域生成trimap。
   

实验结果

  如上图所示，相关方法在标准数据集上都做到了很不错的matting效果，部分matting算法在一些细节部分存在丢失，但整体的效果都不错。
  在对标准数据集的图片进行测试后，我们采用自己找来的图片来提取trimap后利用之前提到的五种方法进行抠图，实验效果如下图所示，相关结果也比较优秀。

  最后是我们提出的利用显著性检测来实现对一些图片生成trimap的结果展示，可以看出在一些显著性比较明显的图片上，trimap生成也还不错：

写在最后

  说实话，对于多目标，自动生成trimap再抠图可能并不是那么明智的选择；而对于复杂场景，显著图效果会直接影响trimap的效果，比如上面两张图。我也尝试过用端到端的GAN来自动生成Trimap没怎么优化效果很差，期待后面能看到新奇的工作来让Image Matting更智能！

参考文献

[1]AR. Smith and JF. Blinn. “Blue screen matting.” Conference on Computer Graphics and Interactive Techniques, 1996.
[2]J. Sun, J. Jia, CK. Tang, and HY. Shum. “Poisson matting.” ACM Transactions on Graphics, 2004:315-321.
[3]Y.Y. Chuang, B. Curless, D. Salesin, R. Szeliski. “A Bayesian Approach to Digital Matting.” The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2001.
[4]A. Levin D. Lischinski and Y. Weiss. “A Closed Form Solution to Natural Image Matting.” The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2007.
[5]Q. Chen, D. Li, C.-K. Tang. “KNN Matting.” The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2012.
[6]Ning Xu, Brian Price, Scott Cohen and Thomas Huang. “Deep Image Matting.” The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017.
[7]S. Lutz, K. Amplianitis, and A. Smolic. “AlphaGAN: Generative Adversarial Networks for Natural Image Matting.” The British Machine Vision Conference (BMVC), 2018.
[8]Q. Hou, MM Cheng, X. Hu. “Deeply Supervised Salient Object Detection with Short Connections.” IEEE Transactions on Pattern Analysis and Machine Intelligence(TPAMI), 2018:1-1.