在一些图像处理任务中,需要把图像前景提取出来,那么此时可以使用GrabCut算法。

使用GrabCut算法时,需要在前景部分绘制一个矩形(注意,前景需要完全位于矩形内部)。然后,GrabCut算法会对其进行迭代分割,以获得最佳结果。

但是,交由算法进行分割的效果并不是完美的,依然会在图像中残留部分背景区域,虽然可以自行手动抠出,但这样效率极低,若是图像数据量比较大时更是不可行,因此可以接受含部分背景区域的图像。

以一张青蛙的图像为例,原图如下:

在这里插入图片描述
进行前景提取:

# 提取图像中前景图像
import matplotlib.pyplot as plt
import numpy as np
import cv2
frog_bgr = cv2.imread('frog.png',cv2.IMREAD_COLOR)
frog_rgb = cv2.cvtColor(frog_bgr, cv2.COLOR_BGR2RGB)
rectangle = (100,  0, 260, 180)
mask = np.zeros(frog_rgb.shape[:2], dtype=np.uint8)
bgdModel = np.zeros((1,65),np.float64)
fgdModel = np.zeros((1,65),np.float64)
# 执行GrabCut
cv2.grabCut(frog_rgb, 
            mask, # 掩模
            rectangle, # 矩形
            bgdModel,  # 背景的临时数组
            fgdModel,  # 前景的临时数组
            50,  # 迭代次数
            cv2.GC_INIT_WITH_RECT) # 使用定义的矩形初始化
# 执行完GrabCut,mask已然发生了变化,感兴趣的小伙伴可以自行打印查看
# 创建掩模,将背景部分设为0,前景部分设为1
mask_2 = np.where((mask==2)|(mask==0),0,1).astype('uint8')
# 除去背景
frog_rgb_nobg = frog_rgb*mask_2[:,:,np.newaxis]
# 显示图像
plt.imshow(frog_rgb_nobg)
plt.show()

移除图像背景后的结果:

在这里插入图片描述

可以看到,有一部分背景并没有被移除掉。如果是图像数据集很大,可以选择接受这种带部分背景噪声的图像。

Logo

为开发者提供学习成长、分享交流、生态实践、资源工具等服务,帮助开发者快速成长。

更多推荐