基本概念
grabCut 算法是 OpenCV 中一个非常强大的图像分割方法，主要用于前景与背景的分割。它基于图割（Graph Cut）算法，并通过迭代的方式优化能量函数，以达到更好的分割效果。在 OpenCV 中，grabCut 函数通常用于处理包含复杂背景的图片，以分离出感兴趣的前景对象。
grabCut() 是 OpenCV 提供的一个高级图像分割算法，它可以用来自动地分割图像中的对象。GrabCut 算法最初由 Carsten Rother 等人在 2004 年提出，它结合了图割技术与机器学习方法，可以在用户提供少量的指导信息后，自动地完成复杂的分割任务。
grabCut 函数详解
grabCut 函数的原型通常如下（基于 OpenCV 4.x）：
void cv::grabCut(InputArray img,
InputOutputArray mask,
Rect rect,
InputOutputArray bgdModel,
InputOutputArray fgdModel,
int iterCount,
int mode=GC_INIT_WITH_RECT);
参数详解
img：输入图像，通常应为 8 位 3 通道图像（例如，CV_8UC3 类型的图像）。
mask：操作掩码，用于指定每个像素的状态（可能是背景、前景、可能是背景、可能是前景）。掩码在调用函数前需要初始化，通常是将感兴趣的区域（ROI）内的像素标记为 GC_PR_FGD（可能是前景），ROI 外的像素标记为 GC_BGD（背景），ROI 边界上的像素标记为 GC_PR_BGD（可能是背景）或 GC_PR_FGD（可能是前景）。
rect：包含感兴趣区域的矩形。这个矩形应该尽可能小但完全包含目标对象。
bgdModel 和 fgdModel：分别用于存储背景和前景的模型。这些通常是浮点数数组，但在 OpenCV 中通常作为 Mat 对象处理。它们的大小依赖于迭代次数和图像大小，但通常不需要手动设置。
iterCount：算法执行的最大迭代次数。迭代次数越多，分割效果通常越好，但计算时间也越长。
mode：算法的工作模式。GC_INIT_WITH_RECT 表示使用矩形初始化；GC_INIT_WITH_MASK 表示使用掩码初始化。使用示例1
以下是一个简单的使用 grabCut 的示例：
#include <opencv2/opencv.hpp>
#include <iostream>
int main() {
cv::Mat img = cv::imread("path_to_image.jpg");
if (img.empty()) {
std::cerr << "Could not read the image." << std::endl;
return 1;
}
cv::Rect rect(50, 50, 450, 290); // 假设的感兴趣区域
cv::Mat mask = cv::Mat::zeros(img.size(), CV_8UC1);
cv::Rect rect_bgd(0, 0, img.cols, img.rows);
mask(rect_bgd).setTo(cv::GC_BGD);
mask(rect).setTo(cv::Scalar::all(cv::GC_PR_FGD));
cv::Mat bgdModel, fgdModel;
int iterCount = 5; // 迭代次数
cv::grabCut(img, mask, rect, bgdModel, fgdModel, iterCount, cv::GC_INIT_WITH_RECT);
// 创建一个结果图像
cv::Mat result;
img.copyTo(result, mask == cv::GC_FGD);
cv::imshow("Result", result);
cv::waitKey(0);
return 0;
}运行结果1
下面是如何使用 OpenCV 的 grabCut() 函数进行图像分割的详细步骤：
1.导入必要的头文件：
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
2.加载图像：
Mat src = imread("path/to/your/image.jpg");
if (src.empty()) {
cout << "Could not open or find the image" << endl;
return -1;
}
3.创建掩码：
grabCut() 需要一个掩码来指示哪些区域是确定前景、确定背景或不确定的。我们可以初始化一个与图像大小相同的矩阵，然后手动填充一些区域作为提示。
Mat mask(src.size(), CV_8UC1, Scalar(0)); // 初始化为全背景
Rect rect(x, y, w, h); // 指定一个矩形框选区域作为提示
int cvtRect[] = {rect.x, rect.y, rect.width, rect.height};
grabCut(src, mask, Rect(cvtRect[0], cvtRect[1], cvtRect[2], cvtRect[3]), Mat(), Mat(), 5, GC_INIT_WITH_RECT);
4.细化掩码：
grabCut() 执行后，掩码会被更新。你可以根据需要进一步细化掩码。
Mat bgModel, fgModel; // 这两个模型用于存储背景和前景的概率模型
grabCut(src, mask, Rect(), bgModel, fgModel, 5, GC_INIT_WITH_MASK);
5.应用掩码：
应用掩码到原图上，得到分割后的图像。
Mat dst;
src.copyTo(dst, mask == 1); // 只复制确定为前景的部分
6.显示结果：
显示原始图像和分割
namedWindow("Original Image", WINDOW_AUTOSIZE);
imshow("Original Image", src);
namedWindow("Segmented Image", WINDOW_AUTOSIZE);
imshow("Segmented Image", dst);
7.等待按键退出：
waitKey(0); // Wait for a keystroke in the window
8.清理：
不要忘记释放所有使用的内存资源。
destroyAllWindows();
注意事项
grabCut() 函数需要用户提供的提示来区分前景和背景。这些提示可以通过矩形框或者手动绘制的掩码来提供。
grabCut() 可以通过迭代来逐步改进分割结果。参数 iterations 控制迭代次数。
GC_INIT_WITH_RECT 表示使用矩形框作为初始提示；GC_INIT_WITH_MASK 则表示使用掩码作为初始提示。
分割结果储存在掩码中，其中：
GC_BGD (0) 表示确定的背景像素。
GC_FGD (1) 表示确定的前景像素。
GC_PR_BGD (2) 表示可能是背景的像素。
GC_PR_FGD (3) 表示可能是前景的像素。
这个例子演示了如何使用 grabCut() 函数来分割图像中的对象。实际应用中，你可能需要根据具体需求调整矩形框的位置和大小，或者使用交互式的方式让用户手动标注部分区域来提高分割精度完整代码2
#include "pch.h"
//1.导入必要的头文件：
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
//2.加载图像：
Mat src = imread("88.jpeg");
if (src.empty())
{
cout << "Could not open or find the image" << endl;
return -1;
}
//3.创建掩码：
// grabCut() 需要一个掩码来指示哪些区域是确定前景、确定背景或不确定的。我们可以初始化一个与图像大小相同的矩阵，然后手动填充一些区域作为提示。
Mat mask(src.size(), CV_8UC1, Scalar(0)); // 初始化为全背景
Rect rect(120, 120, 500, 1120); // 指定一个矩形框选区域作为提示
int cvtRect[] = { rect.x, rect.y, rect.width, rect.height };
grabCut(src, mask, Rect(cvtRect[0], cvtRect[1], cvtRect[2], cvtRect[3]), Mat(), Mat(), 5, GC_INIT_WITH_RECT);
//4.细化掩码：
// grabCut() 执行后，掩码会被更新。你可以根据需要进一步细化掩码。
Mat bgModel, fgModel; // 这两个模型用于存储背景和前景的概率模型
grabCut(src, mask, Rect(), bgModel, fgModel, 5, GC_INIT_WITH_MASK);
//5.应用掩码：
//应用掩码到原图上，得到分割后的图像。
Mat dst;
src.copyTo(dst, mask == 1); // 只复制确定为前景的部分
//6.显示结果：
//显示原始图像和分割
namedWindow("Original Image", WINDOW_NORMAL);
imshow("Original Image", src);
namedWindow("Segmented Image", WINDOW_NORMAL);
imshow("Segmented Image", dst);
//7.等待按键退出：
waitKey(0); // Wait for a keystroke in the window
//8.清理：
//不要忘记释放所有使用的内存资源。
destroyAllWindows();
return 0;
}
//注意事项
//grabCut() 函数需要用户提供的提示来区分前景和背景。这些提示可以通过矩形框或者手动绘制的掩码来提供。
//grabCut() 可以通过迭代来逐步改进分割结果。参数 iterations 控制迭代次数。
//GC_INIT_WITH_RECT 表示使用矩形框作为初始提示；GC_INIT_WITH_MASK 则表示使用掩码作为初始提示。
//分割结果储存在掩码中，其中：
//GC_BGD(0) 表示确定的背景像素。
//GC_FGD(1) 表示确定的前景像素。
//GC_PR_BGD(2) 表示可能是背景的像素。
//GC_PR_FGD(3) 表示可能是前景的像素。
//这个例子演示了如何使用 grabCut() 函数来分割图像中的对象。实际应用中，你可能需要根据具体需求调整矩形框的位置和大小，或者使用交互式的方式让用户手动标注部分区域来提高分割精度运行结果2
注意
1.grabCut 需要良好的初始估计，特别是 ROI 的选择对最终结果有很大影响。
2.迭代次数是一个重要的参数，需要根据实际情况调整以达到最佳效果。
3.grabCut 在处理复杂背景或前景对象与背景颜色相近时可能效果不佳。
4.结果图像 result 是通过将原图 img 复制到新图 result 中，但只复制那些被标记为前景的像素来得到的。
实验代码3
#include "pch.h"
//#pragma comment(lib, "opencv_world450d.lib")
#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"
#include <opencv2/imgproc/types_c.h>
#include <iostream>
using namespace std;
using namespace cv;
void main()
{
Mat src = imread("02.png");
Rect rect(84, 84, 406, 318);//左上坐标（X,Y）和长宽
Mat result, bg, fg;
grabCut(src, result, rect, bg, fg, 1, GC_INIT_WITH_RECT);
imshow("grab", result);
/*threshold(result, result, 2, 255, CV_THRESH_BINARY);
imshow("threshold", result);*/
compare(result, GC_PR_FGD, result, CMP_EQ);//result和GC_PR_FGD对应像素相等时，目标图像该像素值置为255
imshow("result", result);
Mat foreground(src.size(), CV_8UC3, Scalar(255, 255, 255));
src.copyTo(foreground, result);//copyTo有两种形式，此形式表示result为mask
namedWindow("foreground", WINDOW_NORMAL);
imshow("foreground", foreground);
waitKey(0);
}运行结果3
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
