Python | 使用 Grabcut 算法提取图像中的前景

简介

Grabcut 算法是一种用于图像分割的算法，可以精确地在图像中分离前景和背景。它是一种交互式的算法，因此需要用户提供一些指导，以识别哪些区域是前景，哪些区域是背景。

在本文中，我们将学习如何使用 OpenCV 中的 cv2.grabcut() 函数来执行 Grabcut 算法以提取图像中的前景。

准备工作

在开始之前，请确保您已经安装了 OpenCV 库，并且已经导入了它：

import cv2

加载图像

首先，我们需要从磁盘上加载一张图像。我们将使用 OpenCV 中的 cv2.imread() 函数来完成这个任务：

image = cv2.imread('image.png')

创建掩膜和背景模型

接下来，我们需要为算法创建一个掩膜和背景模型。我们将创建一个 3 通道的掩膜，以匹配我们的原始图像。然后，我们将使用 cv2.rectangle() 函数来定义一个矩形，该矩形将包含我们的前景。

mask = np.zeros(image.shape[:2], np.uint8)
backgroundModel = np.zeros((1, 65), np.float64)
foregroundModel = np.zeros((1, 65), np.float64)

rectangle = (50, 50, 320, 520)

cv2.grabCut(image, mask, rectangle, backgroundModel, foregroundModel, 5, cv2.GC_INIT_WITH_RECT)

在上述代码中，我们首先定义了一个大小与原始图像相同的掩膜，并将其初始化为全零。然后，我们定义了一个大小为 1x65 的浮点数数组，用于存储背景和前景的概率分布。

接下来，我们使用 cv2.grabCut() 函数来执行算法。我们传递原始图像、掩膜、矩形、背景和前景模型以及一些其他参数。在这里，我们使用了 cv2.GC_INIT_WITH_RECT 标志，以告诉算法我们要使用一个矩形来定义前景。

创建掩膜并提取前景

在上一步中，我们已经创建了一个掩膜，但它只包含背景和未知区域。现在，我们需要将其转换为一个二进制掩膜，其中 0 表示背景或未知区域，1 表示前景。

mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8')
image = image * mask2[:, :, np.newaxis]

在上述代码中，我们使用了一个 NumPy 数组转换来创建二进制掩膜。我们首先在掩膜中查找值为 2 或 0 的像素，并将它们设置为 0。然后，我们将所有其他像素设置为 1。最后，我们使用 np.newaxis 将掩膜转换为三通道，以匹配原始图像的形状。最后一行代码使用掩膜来提取前景。

运行结果

现在，我们已经完成了 Grabcut 算法的实现，并提取了图像中的前景。以下是一个完整的代码示例：

import cv2
import numpy as np

image = cv2.imread('image.png')

mask = np.zeros(image.shape[:2], np.uint8)
backgroundModel = np.zeros((1, 65), np.float64)
foregroundModel = np.zeros((1, 65), np.float64)

rectangle = (50, 50, 320, 520)

cv2.grabCut(image, mask, rectangle, backgroundModel, foregroundModel, 5, cv2.GC_INIT_WITH_RECT)

mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8')
image = image * mask2[:, :, np.newaxis]

cv2.imshow('Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果将显示一个包含前景的图像。您可以按 Esc 键退出程序。

总结

在本文中，我们学习了如何使用 Grabcut 算法来提取图像中的前景。我们首先加载了一张图像，然后使用 cv2.grabCut() 函数创建了一个掩膜和背景模型。之后，我们将掩膜转换成一个二进制掩膜，并使用它来提取前景。