GraphCut——GrabCut

此种算法是对图像进行分割 *** 作，其将一幅图像转换成图形结构来描述，通过找到图中的最小割，从而将图像中的前景与背景进行分割。

1、GraphCut

如上图所示，将图中的像素点作为图中的点集，相邻像素通过边相连，另外多出的两个点S,T分别代表的是归于前景的点和归于背景的点。对每个边设置相应的权重，图割的目的就在于利用最小割的方法将边缘部分进行分割，此时的能量值（损失值）最小，由此得到对应的S,T集合，达到分割的目的。过程如下图所示（其中B,O代表事先设置的种子点，由此知道分割出来的部分哪个代表背景，哪个代表目标；B代表该点属于背景点，O代表该点属于目标点）：

2、GrabCut:

GrabCut是基于GraphCut的改进算法，通过交互的方式得出前景与背景。

为什么画个框就能分割出前景与背景呢?

在框选出区域后，则将选框以外的部分视为背景区域，将选框以内的区域视为可能的前景区域。然后通过计算前景高斯混合模型（GMM）和背景GMM，然后对每一个像素的rgb值代入单个的高斯模型进行计算，选取值最大的那个模型作为该像素点的归属，然后再建立一个图，对该图求解最小割，如此循环直至收敛，由此判断得出选框内的前景区域与背景区域。

那关键在于如何得出前景与背景的GMM呢？

不同于GraphCut中的一次性求解图的最小割问题，GrabCut中采用的是迭代优化的方式逐步求解得出GMM。其具体过程如下图所示：·

*其实对于这两个算法的具体实现并不是很清楚，在这儿只是想大体了解有这样的一种分割的算法，故也就不深究其是如何具体实现的了~另外Opencv中已经实现了GrabCut算法，可以去玩玩~~

的确玩了一回，在进行区域分割的时候，通过将图像进行二值化处理后，将其作为掩模来进行grabcut *** 作。但是处理速度比较慢，并且分割的准确性主要依赖二值图像的质量~。

最近接了个抠图的功能，要求像这样子让用户把轮廓圈一下，把前景抠出来。这里用的是OpenCV的GrabCut算法。

传入的img是原图（CV_8UC3格式），mask是用户标记的前景和背景信息（矩阵中只含以上四种取值），rect是用户选中的感兴趣区域（ROI），bgdModel和fgdModel是临时数组（对同一张图片进行编辑时不要修改），iterCount是迭代次数，mode是运行模式（初始化或者不是初始化）。

总之，就是要用cv::GC_INIT_WITH_MASK模式去初始化，传入原图和用户圈出来的轮廓图。

用户圈完轮廓之后，用cv::findContours()生成一张类似这样的图。轮廓外部标记为已知背景，轮廓内部标记为已知前景，轮廓标记为未知。

初始化完之后，将mask和1做与，然后将原图copyTo一下，就能得到抠出来的图片。

第一次出来的结果可能会有些地方没分好，这时候用户再手动标记一下，用cv::GC_EVAL继续运行就好了。

Win10的画图3D有个神奇选择功能，就是grabCut算法这个流程的，要先框出ROI，有兴趣的可以尝试一下。

---