第四章
使用分水岭和GrabCut算法物体分割
- GrabCut算法步骤
- 在图片中定义含有(若干个)物体的矩形
- 矩形外的区域被认为是背景
- 对于用户定义的矩形区域,用背景中的数据区别里面的前景和背景
- 用高斯混合模型对背景和前景建模,并将未定义的像素标记为可能的前景或背景
- 图像中的每一个像素都被看作通过虚拟边与周围像素连接,而每条边都有一个属于前景或背景的概率,这基于它与周围像素颜色上的相似性
- 每一个像素会与一个前景和背景节点连接
- 节点完成连接后,对于一条边,两端节点若属于不同端,则切断。
用GrabCut进行前景检测
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('3_2.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 , 50 , 1024 , 1024 )
cv2.grabCut(img,mask,rect,bgdModel,fgdModel,10,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('3_2.jpg'),cv2.COLOR_BGR2RGB))
plt.title("original") , plt.xticks([]) , plt.yticks([])
plt.show()
分水岭算法进行图像分割
- 获取二值图像
- 获取前景像素,前景为0
- 获取背景像素,255为背景
- 背景与前景做减运算,获取未知区域255
- 获取标记图,合成标记图像(未知0,背景1,前景>1)
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('3_4.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret , thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel,iterations=2)
sure_bg = cv2.dilate(opening,kernel,iterations=3)
dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,5)
ret , sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)
ret , markers = cv2.connectedComponents(sure_fg)
markers = markers + 1
markers[unknown==255] = 0
markers = cv2.watershed(img,markers)
img[markers == -1] = [255,0,0]
plt.imshow(img)
plt.show()