opencv的图像分割与融合技术

　　图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。

　　图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。

　　基本原理

　　基本原理是：通过设定不同的特征阈值，把图像象素点分为若干类。

　　常用的特征包括：直接来自原始图像的灰度或彩色特征；由原始灰度或彩色值变换得到的特征。

　　设原始图像为f（x，y），按照一定的准则f（x，y）中找到特征值T，将图像分割为两个部分，分割后的图像为：

　　若取：b0=0（黑），b1=1（白），即为我们通常所说的图像二值化。

　　图像分割的意义：

　　在一幅图像中，人们常常只对其中的部分目标感兴趣，这些目标通常占据一定的区域，并且在某些特性（如灰度、轮廓、颜色和纹理等）上和临近的图像有差别。这些特性差别可能非常明显，也可能很细微，以至肉眼察觉不出来。随着计算机图像处理技术的发展，使得人们可以通过计算机来获取和处理图像信息。图像识别的基础是图像分割，其作用是把反映物体真实情况的、占据不同区域的、具有不同特性的目标区分开来，并形成数字特征。图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的效果，甚至决定其成败，因此，图像分割的作用是至关重要的。

　　函数原型

　　1、opencv官方介绍：opencv官方grabcut介绍

　　2、网上童鞋翻译解释：学习OpenCV——学习grabcut算法

　　3、大致内容如下：

　　函数原型：

　　void grabCut（InputArray img， InputOutputArray mask， Rect rect，

　　InputOutputArray bgdModel， InputOutputArray fgdModel，

　　int iterCount， int mode=GC_EVAL ）

　　img：待分割的源图像，必须是8位3通道（CV_8UC3）图像，在处理的过程中不会被修改；

　　mask：掩码图像，大小和原图像一致。可以有如下几种取值：

　　GC_BGD（=0），背景；

　　GC_FGD（=1），前景；

　　GC_PR_BGD（=2），可能的背景；

　　GC_PR_FGD（=3），可能的前景。

　　rect：用于限定需要进行分割的图像范围，只有该矩形窗口内的图像部分才被处理；

　　bgdModel：背景模型，如果为null，函数内部会自动创建一个bgdModel；

　　fgdModel：前景模型，如果为null，函数内部会自动创建一个fgdModel；

　　iterCount：迭代次数，必须大于0；

　　mode：用于指示grabCut函数进行什么 *** 作。可以有如下几种选择：

　　GC_INIT_WITH_RECT（=0），用矩形窗初始化GrabCut；

　　GC_INIT_WITH_MASK（=1），用掩码图像初始化GrabCut；

　　GC_EVAL（=2），执行分割。

　　基本原理：

　　首先用户在图片上画一个方框，grabCut默认方框内部为前景，设置掩码为2，方框外部都是背景，设置掩码为0。然后根据算法，

　　将方框内部检查出来是背景的位置，掩码由2改为0。最后，经过算法处理，方框中掩码依然为2的，就是检查出来的前景，其他为背景。

　　实例讲解1

　　这些例子都主要是根据opencv自带的例子：opencvsamplescppgrabcut.cpp 简化修改而来。

　　源代码

　　代码如下：

　　#include “opencv2/highgui/highgui.hpp”

　　#include “opencv2/imgproc/imgproc.hpp”

　　#include 《iostream》

　　using namespace std;

　　using namespace cv;

　　string filename;

　　Mat image;

　　string winName = “show”;

　　Rect rect;

　　Mat mask;

　　const Scalar GREEN = Scalar（0，255，0）;

　　Mat bgdModel， fgdModel;

　　void setRecTInMask（）{

　　rect.x = 110;

　　rect.y = 220;

　　rect.width = 100;

　　rect.height = 100;

　　}

　　staTIc void getBinMask（ const Mat& comMask， Mat& binMask ）{

　　binMask.create（ comMask.size（）， CV_8UC1 ）;

　　binMask = comMask & 1;

　　}

　　int main（int argc， char* argv［］）{

　　Mat binMask， res;

　　filename = argv［1］;

　　image = imread（ filename， 1 ）;

　　mask.create（image.size（）， CV_8UC1）;

　　mask.setTo（GC_BGD）;

　　setRecTInMask（）;

　　（mask（rect））.setTo（Scalar（GC_PR_FGD））;

　　rectangle（image， Point（rect.x， rect.y）， Point（rect.x + rect.width， rect.y + rect.height ）， GREEN， 2）;

　　imshow（winName， image）;

　　image = imread（ filename， 1 ）;

　　grabCut（image， mask， rect， bgdModel， fgdModel， 1， GC_INIT_WITH_RECT）;

　　getBinMask（mask， binMask）;

　　image.copyTo（res， binMask）;

　　imshow（“result”， res）;

　　waitKey（0）;

　　return 0;

　　}.