【youcans 的 OpenCV 例程200篇】179.图像分割之 GrabCut 图割法(掩模图像)

【youcans 的 OpenCV 例程200篇】176.图像分割之均值漂移算法
【youcans 的 OpenCV 例程200篇】177.图像分割之 GraphCuts 图割法
【youcans 的 OpenCV 例程200篇】178.图像分割之 GrabCut 图割法(框选前景)
【youcans 的 OpenCV 例程200篇】179.图像分割之 GrabCut 图割法(掩模图像)
更多内容,请见:
【OpenCV 例程200篇 总目录-202206更新】


【youcans 的 OpenCV 例程200篇】179.图像分割之 GrabCut 图割法(掩模图像)


6. 图像分割之图割法

基于图论的图像分割技术的基本思想是:将图像映射为带权的无向图,把像素视为节点,两个节点之间的边的权重对应于两个像素之间相似性的度量,割的容量就对应于能量函数;使用最大流最小割算法对图进行切割,得到的最小割就对应于最优图像分割。

6.3 图割分割算法 GrabCut

GrabCut 算法是对 GraphCut 的改进,使用高斯混合模型(GMM)对背景和目标建立模型,采用迭代方法实现分割能量的最小化,同时支持不完整的标记。

GrabCut 算法有效利用了图像中的纹理(颜色)信息和边界(反差)信息,只需要要少量的人工交互操作就可以对目标实现较好的分割效果。

OpenCV 也提供了函数 cv.grabCut 实现 GrabCut 图割算法。

函数说明:

cv.grabCut(img, mask, rect, bgdModel, fgdModel, iterCount[, mode=GC_EVAL]) → mask, bgdModel, fgdModel 

参数说明:

  • image:输入图像,8-bit/3-channel 彩色图像
  • mask:输入/输出掩模,8-bit 单通道图像,如边界框选则自动产生掩模图像
  • rect:包含分割对象的边框矩形,格式为 (x,y,w,h),仅在 mode 为 cv2.GC_INIT_WITH_MASK 时适用
  • bgdModel:建模背景使用的临时数组,形状为 (1,65) 的 np.float 数组
  • fgdModel:建模前景时使用的临时数组,形状为 (1,65) 的 np.float 数组
  • iterCount:迭代次数
  • mode:操作模式
    • cv.GC_INIT_WITH_RECT:使用边界矩形初始化状态和掩模图像,运行迭代算法
    • cv.GC_INIT_WITH_MASK:使用提供的掩模图像进行状态初始化
    • cv.GC_EVAL:表示算法应该恢复
    • cv.GC_EVAL_FREEZE_MODEL:用固定模型执行一次迭代算法

OpenCV 的 GrabCut 返回一个3元组 (mask, bgdModel, fgdModel)

  • mask: 应用GrabCut后的输出掩模
  • bgModel: 用于建模背景的临时数组(可以忽略此值)
  • fgModel: 用于建模前景的临时数组(同样,你可以忽略此值)

注意事项:

  • OpenCV 的 GrabCut 返回元组 (mask, bgdModel, fgdModel),mask 是应用 GrabCut 算法后的输出掩模。
  • 迭代次数越多,GrabCut 运行的时间越长,理想情况下的性能会更好。
  • cv.GC_INIT_WITH_RECT 和 cv.GC_INIT_WITH_MASK 可以组合使用。

例程 11.36: GrabCut 图割分割算法(掩模图像)

例程11.34 通过手动设置边界框对 GrabCut 算法进行初始化,我们也可以使用掩模图像进行初始化。掩模图像提供了图像中物体的近似分割,GrabCut 算法可以迭代地应用图割对分割结果进行改进,从图像中提取前景。

如何生成掩模图像与 GrabCut 算法无关,掩模图像也并不需要很精确。掩模图像可以通过 Photoshop 等编辑软件手动创建,也可以应用阈值分割、边缘检测、轮廓滤波等方法获取,还可以利用深度学习方法获得。

# Copyright 2022 Youcans, XUPT
# Crated:2021-12-27

    # 11.36 GrabCut 图割分割算法(掩模图像)
    image = cv2.imread("../images/imgDeer.png", flags=1)  # 读取彩色图像(BGR)
    maskImg = cv2.imread("../images/imgDeerMask.png", flags=0)  # 读取掩模图像(xupt)

    # 生成掩模图像 mask,大于 0 的像素设为可能前景
    mask = np.zeros(image.shape[:2], dtype="uint8")
    mask[maskImg > 0] = cv2.GC_PR_FGD
    mask[maskImg == 0] = cv2.GC_BGD
    # print(mask.shape, maskInv.shape)
    # apply GrabCut using the the mask segmentation method
    fgModel = np.zeros((1, 65), dtype="float")  # 前景模型, 13*5
    bgModel = np.zeros((1, 65), dtype="float")  # 背景模型, 13*5
    iter = 5
    (mask, bgModel, fgModel) = cv2.grabCut(image, mask, None, bgModel, fgModel, iter,
                                           mode=cv2.GC_INIT_WITH_MASK)  # 基于掩模图像初始化

    # 将所有确定背景和可能背景像素设置为 0,而确定前景和可能前景像素设置为 1
    maskOutput = np.where((mask == cv2.GC_BGD) | (mask == cv2.GC_PR_BGD), 0, 1)
    maskGrabCut = 255 - (maskOutput * 255).astype("uint8")
    imgGrabCut = cv2.bitwise_and(image, image, mask=maskGrabCut)

    plt.figure(figsize=(10, 6))
    plt.subplot(231), plt.axis('off'), plt.title("Origin image")
    plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))  # 显示 img(RGB)
    plt.subplot(232), plt.axis('off'), plt.title("Mask image")
    plt.imshow(maskImg, 'gray')  # definite background
    plt.subplot(233), plt.axis('off'), plt.title("GrabCut mask")
    plt.imshow(mask, 'gray')
    plt.subplot(234), plt.axis('off'), plt.title("Mask for definite background")
    maskBGD = (mask == cv2.GC_BGD).astype("uint8") * 255
    plt.imshow(maskBGD, 'gray')  # definite background
    plt.subplot(235), plt.axis('off'), plt.title("Mask for probable background")
    maskPBGD = (mask == cv2.GC_PR_BGD).astype("uint8") * 255
    plt.imshow(maskPBGD, 'gray')  # probable background
    # plt.subplot(235), plt.axis('off'), plt.title("GrabCut Mask")
    # plt.imshow(maskGrabCut, 'gray')  # mask generated by GrabCut
    plt.subplot(236), plt.axis('off'), plt.title("Youcans Output")
    plt.imshow(cv2.cvtColor(imgGrabCut, cv2.COLOR_BGR2RGB))  # GrabCut Output
    plt.tight_layout()
    plt.show()

【youcans 的 OpenCV 例程200篇】179.图像分割之 GrabCut 图割法(掩模图像)_第1张图片



(本节完)


版权声明:

OpenCV 例程200篇 总目录-202205更新
youcans@xupt 原创作品,转载必须标注原文链接:(https://blog.csdn.net/youcans/article/details/124744517)

Copyright 2022 youcans, XUPT
Crated:2022-5-12


欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列,持续更新中
欢迎关注 『youcans 的 OpenCV学习课』 系列,持续更新中

【youcans 的 OpenCV 例程200篇】176.图像分割之均值漂移算法
【youcans 的 OpenCV 例程200篇】177.图像分割之 GraphCuts 图割法
【youcans 的 OpenCV 例程200篇】178.图像分割之 GrabCut 图割法(框选前景)
【youcans 的 OpenCV 例程200篇】179.图像分割之 GrabCut 图割法(掩模图像)
更多内容,请见:
【OpenCV 例程200篇 总目录-202206更新】

你可能感兴趣的:(opencv,python,图像处理,计算机视觉,人工智能)