【计算机视觉】使用GrabCut算法進行前景檢測

问题描述：

计算视差图是分割图像前景和背景的有效方法。本次目标是抓住图像中的人物并丢弃背景。GradCut算法实现步骤：

1. 定義一個包含圖片主題的矩形。

2. 矩形以外的區域被自動定義為背景。

3. 背景中包含的數據作為參考，在用戶定義的矩形內區分背景區域和前景區域。

4. 高斯混合模型 (GMM) 對前景和背景進行建模，並將未定義的像素標記為可能的背景和可能的前景。

5. 圖像中的每個像素都通過虛擬邊緣虛擬連接到周圍的像素，並且每個邊緣被分配為前景或背景的概率，基於它與周圍像素的顏色相似程度。

6. 每個像素（或算法中概念化的節點）都連接到前景或背景節點。

7. 在節點連接到任一終端（背景或前景，也分別稱為源或匯）後，屬於不同終端的節點之間的邊被切割（因此得名 GrabCut）。因此，圖像被分割成兩部分。

实现步骤：

首先，加載我們要處理的圖像，然後創建一個填充了零的掩碼其形狀與我們加載的圖相同

import numpy as np
import cv2 
from matplotlib import pyplot as plt

original = cv2.imread('img/statue_small.jpeg')
img = original.copy()
mask = np.zeros(img.shape[:2],np.uint8)

#create zero-filled background and foreground models
#創建零填充的背景和前景模型
bgdModel = np.zeros((1,65),np.float64)
f