本文分享内容來自圖書《學習OpenCV 4：基于Python的算法實戰》，該書内容如下：

第1章 OpenCV快速入門； 第2章 圖像讀寫模塊imgcodecs； 第3章 核心庫模塊core； 第4章 圖像處理模塊imgproc（一）； 第5章 圖像處理模塊imgproc（二）； 第6章 可視化模塊highgui； 第7章 視頻處理模塊videoio； 第8章 視頻分析模塊video； 第9章 照片處理模塊photo； 第10章 2D特征模塊features2d； 第11章 相機标定與三維重建模塊calib3d； 第12章 傳統目标檢測模塊objdetect； 第13章 機器學習模塊ml； 第14章 深度神經網絡模塊dnn

歡迎關注圖書《深度學習計算機視覺實戰》與《學習OpenCV4：基于Python的算法實戰》。

Grabcuts是一種交互式前景提取算法，OpenCV允許讀者在待分割的圖像周圍提供矩形框，矩形框之外的部分屬于背景，此時不用指定前景。讀者也可以使用一個全局掩膜，将圖像的像素點分為确定前景、确定背景以及疑似前景和疑似背景，這樣确定區域将被算法用于将疑似區域進行分割。

OpenCV中提供了Grabcuts算法的函數grabCut，函數定義如下：

mask, bgdModel, fgdModel = grabCut(img, mask, rect, bgdModel, fgdModel, iterCount, mode=None)

參數說明如下：

u img，輸入圖像；

u mask，掩模（返回值）；

u rect，包含分割對象的感興趣區域；

u bgdModel，背景模型的臨時數組（返回值）；

u fgdModel，前景模型的臨時數組（返回值）；

u iterCount，算法叠代次數；

u mode，處理模式，由GrabCutModes定義。

本案例實現了一個交互式的圖像分割，鼠标左鍵選取确定前景，鼠标右鍵選取确定背景，Grabcuts算法根據确定前景和确定背景進行圖像分割。

Grabcuts算法圖像分割案例代碼如下：

import cv2 import numpy as np #繪制前景/背景标識線标志 drawing = False # 定義GrabCut類，作用是設置一些參數 class GrabCut: def __init__(self, t_img): self.img = t_img self.img_raw = img.copy() self.img_width = img.shape[0] self.img_height = img.shape[1] self.img_show = self.img.copy() self.img_gc = self.img.copy() self.img_gc = cv2.GaussianBlur(self.img_gc, (3, 3), 0) self.lb_up = False self.rb_up = False self.lb_down = False self.rb_down = False self.mask = np.full(self.img.shape[:2], 2, dtype=np.uint8) self.firt_choose = True # 鼠标操作的的回調函數 def mouse_event(event, x, y, flags, param): global drawing, last_point, start_point # 左鍵按下，開始标識前景 if event == cv2.EVENT_LBUTTONDOWN: drawing = True # 設置鼠标按下的起始點 last_point = (x, y) start_point = last_point param.lb_down = True # 右鍵按下，開始标識背景 elif event == cv2.EVENT_RBUTTONDOWN: # 讀者請先标識前景，否則無法分割 if param.firt_choose: print("Please select foreground first!") return drawing = True last_point = (x, y) start_point = last_point param.rb_down = True # 鼠标移動，繪制标識前景和背景的線 elif event == cv2.EVENT_MOUSEMOVE: if drawing: # 鼠标左鍵按下的繪制 if param.lb_down: cv2.line(param.img_show, last_point, (x,y), (0, 0, 255), 2, -1) cv2.rectangle(param.mask, last_point, (x, y), 1, -1, 4) # 鼠标右鍵按下的繪制 if param.rb_down: cv2.line(param.img_show, last_point, (x, y), (255, 0, 0), 2, -1) cv2.rectangle(param.mask, last_point, (x, y), 0, -1, 4) last_point = (x, y) # 左鍵釋放，結束标識前景 elif event == cv2.EVENT_LBUTTONUP: drawing = False param.lb_up = True param.lb_down = False cv2.line(param.img_show, last_point, (x,y), (0, 0, 255), 2, -1) # 如果第一次标識，切換狀态 if param.firt_choose: param.firt_choose = False cv2.rectangle(param.mask, last_point, (x,y), 1, -1, 4) # 右鍵釋放，結束标識背景 elif event == cv2.EVENT_RBUTTONUP: # 如果首先标識背景則不做處理 if param.firt_choose: return drawing = False param.rb_up = True param.rb_down = False cv2.line(param.img_show, last_point, (x,y), (255, 0, 0), 2, -1) cv2.rectangle(param.mask, last_point, (x,y), 0, -1, 4) #執行操作 def process(img): if img is None: print('Can not read image correct!') return g_img = GrabCut(img) cv2.namedWindow('image') # 定義鼠标的回調函數 cv2.setMouseCallback('image', mouse_event, g_img) while (True): cv2.imshow('image', g_img.img_show) # 鼠标左鍵或者右鍵擡起時，按照标識執行Grabcut算法 if g_img.lb_up or g_img.rb_up: g_img.lb_up = False g_img.rb_up = False # 背景model bgdModel = np.zeros((1, 65), np.float64) # 前景model fgdModel = np.zeros((1, 65), np.float64) rect = (1, 1, g_img.img.shape[1], g_img.img.shape[0]) mask = g_img.mask g_img.img_gc = g_img.img.copy() #執行Grabcut算法 cv2.grabCut(g_img.img_gc, mask, rect, bgdModel, fgdModel, 5, cv2.GC_INIT_WITH_MASK) # 0和2做背景 mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8') # 使用蒙闆來獲取前景區域 g_img.img_gc = g_img.img_gc * mask2[:, :, np.newaxis] cv2.imshow('Grabcut_result', g_img.img_gc) # 按下ESC鍵退出 if cv2.waitKey(20) == 27: break if __name__ == '__main__': img = cv2.imread("./src.jpg") process(img)

如圖5.30為第一次選取前景的操作。

圖5.30

如圖5.31為分割後的結果，圖中人物被有效的摳取出來了。

圖5.31

繼續使用右鍵選取背景區域，如圖5.32所示。

圖5.32

摳取人像的結果如圖5.33所示。

圖5.33

如果分割效果不佳，讀者可以繼續選取前景或者背景，多次叠代進行更加精細化的分割。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!