GrabCut是一种交互式迭代前景提取算法，这个项目是对其的实践，参考opencv的源码

核心的点

• 混合高斯模型
• 迭代图像分割
• Graph Cut
• border matting: 这个不是重点

opencv mask四状态

• 背景GCD_BGD：0
• 前景GCD_FGD：1
• 可能的背景GCD_PR_BGD：2
• 可能的前景GCD_PR_FGD：3

流程

初始化

1. 用户通过直接框选目标来得到一个初始的GCD_PR_FGD为$t_f$，即方框外的像素全部作为GCD_BGD为$t_b$

2. 对每一像素n，初始化像素n的标签

3. 通过像素标签来估计目标和背景的GMM，通过k-mean算法分别把属于目标和背景的像素聚类为K类，即GMM中的K个高斯模型

迭代最小化

1. 对每个像素分配GMM中的高斯分量

2. 对于给定的图像数据Z，学习优化GMM的参数

3. 分割估计（通过1中的Gibbs能量项，建立图，并求出权值t-link和n-link，通过max flow/min cut算法来进行分割）：

4. 重复步骤1-3，直到收敛

5. 对分割的边界进行border matting平滑处理

思考

如果GMM颜色模型换成颜色直方图https://mmcheng.net/zh/salobj/，可能对视觉显著性区域有更好的切割效果

代码

• main.cpp: 主要的用户交互逻辑
• grabcut.hpp: grabcut算法的实现（含注释）及其依赖的GMM等
• grabcut_ref.cpp: opencv中的样例的修改

目录

• images: 测试用的图像文件
• lib: 可能用到的库
• pages: 算法的相关paper

DEMO

框选并提取出 可能的前景GCD_PR_FGD，未被框则选为 背景GCD_BGD，按n获得初次分割结果

左键点击选取GCD_FGD，右键点击选取GCD_BGD，按n继续迭代更新

Lib

• opencv Open Source Computer Vision Library
• cmake CMake is an open-source, cross-platform family of tools designed to build, test and package software

Src

https://github.com/Kingfish404/grabcut-apply-cpp

REF

• 读《"GrabCut" -- Interactive Foreground Extraction using Iterated Graph Cuts》
• 图像分割之（二）Graph Cut（图割）
• 图像分割之（三）从Graph Cut到Grab Cut