在这篇Python OpenCV文章中，我们将讨论使用GrabCut算法实现前景检测。GrabCut算法由英国剑桥微软研究院的Carsten Rother，Vladimir Kolmogorov和Andrew Blake设计。
下面的代码是Python OpenCV GrabCut前景检测的完整代码
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 |
import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread(www.linuxmi.com.jpg') mask = np.zeros(img.shape[:2],np.uint8) bgdModel = np.zeros((1,65),np.float64) fgdModel = np.zeros((1,65),np.float64) rect = (100, 10, 621, 578) cv2.grabCut(img,mask,rect,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT) mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8') img = img*mask2[:,:,np.newaxis] plt.subplot(121), plt.imshow(img) plt.title("grabcut"), plt.xticks([]), plt.yticks([]) plt.subplot(122), plt.imshow(cv2.cvtColor(cv2.imread(www.linuxmi.com.jpg'), cv2.COLOR_BGR2RGB)) plt.title("original"), plt.xticks([]), plt.yticks([]) plt.show() |
现在，在上面的代码中，我们创建了以0填充模型以及前景和背景模型。
bgdModel = np.zeros((1,65),np.float64)
fgdModel = np.zeros((1,65),np.float64)
将基于初始矩形之外的区域确定背景和前景模型
这是定义一个矩形代码
rect = (100, 10, 621, 578)
下面我们运行GrabCut算法，指定空模型和蒙版，并使用矩形来初始化操作：
cv2.grabCut(img,mask,rect,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT)
一些参数说明：
- img: 输入图像
- mask: 蒙板图像，确定前景区域，背景区域，不确定区域。也可以设置为cv2.GC_BGD,cv2.GC_FGD,cv2.GC_PR_BGD,cv2.GC_PR_FGD，也可以输入0,1,2,3
- rect 前景的矩形，格式为（x,y,w,h），分别为左上角坐标和宽度，高度
- bdgModel, fgdModel 算法内部是用的数组，只需要创建两个大小为(1,65），数据类型为np.float64的数组。
- iterCount 算法的迭代次数
- mode：可以设置为cv2.GC_INIT_WITH_RECT 或 cv2.GC_INIT_WITH_MASK，使用矩阵模式还是蒙板模式，也可以联合使用。
您还会在fgdModel之后注意到一个整数，它是算法将在图像上运行的迭代次数。您可以增加这些数量，但是在某个点上像素分类会收敛，并且有效地，您只是添加迭代而没有获得更多改进。
此后，我们的遮罩将更改为包含0到3之间的值。0和2 的值将被转换为0，而1-3 的值将被转换为1，并存储到mask2中，然后我们可以使用它来过滤掉所有的零值像素(理论上保持所有的前景像素不变):
mask2 = np.where((mask==2)|(mask==0),0,1).astype(‘uint8’)
img = img*mask2[:,:,np.newaxis]
代码的最后一部分将并排显示图像
plt.subplot(121), plt.imshow(img)
plt.title(“grabcut”), plt.xticks([]), plt.yticks([])
plt.subplot(122),
plt.imshow(cv2.cvtColor(cv2.imread(‘www.linuxmi.com.jpg’),
cv2.COLOR_BGR2RGB))
plt.title(“original”), plt.xticks([]), plt.yticks([])
plt.show()
运行文章代码，效果图如下：
