前言
grabCut算法利用了图像中的纹理(颜色)信息和边界(反差)信息,只用少量的用户交互操作,即可得到比较好的分割结果,和分水岭顺丰比较相似,但是计算速度比较慢,得到的结果比较精确
用法:输入一幅图片并对一些像素做属于背景或属于前景的标记,算法会根据这个局部标记计算出整个图像中前景和背景的分割线。
一、grabCut函数
1
2
3
4
5
6
7
8
9
10
|
void grabCut(InputArray img, InputOutputArray mask, Rect rect, InputOutputArray bgdModel, InputOutputArray fgdModel, int iterCount, int mode = GC_EVAL); img 输入图像 mask 输出掩码 rect 用户选择的前景矩形区域 bgdModel 输出背景图像 fgdModel 输出前景图像 iterCount 迭代次数 mode 用于指示函数执行什么操作 |
二、compare函数
compare函数主要用于两个图像之间进行逐像素的比较
1
2
3
4
5
|
void compare(InputArray src1, InputArray src2, OutputArray dst, int cmpop); src1 原始图像1 src2原始图像2 dst 结果图像 cmpop 操作类型 |
三、代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
#include<iostream> #include<opencv.hpp> using namespace std; using namespace cv; int main() { Mat img1; img1 = imread( "test2.jpg" ); imshow( "原图" , img1); Rect rect(84, 84, 406, 318); Mat img2, bg, fg; grabCut(img1, img2, rect, bg, fg,1,GC_INIT_WITH_RECT); compare(img2, GC_PR_FGD, img2, CMP_EQ); imshow( "img2" , img2); Mat img3(img1.size(), CV_8UC3, Scalar(255, 255, 255)); img1.copyTo(img3, img2); imshow( "img3" , img3); waitKey(0); } |
效果图:
以上就是C++ opencv利用grabCut算法实现抠图示例的详细内容,更多关于C++ opencv grabCut算法抠图的资料请关注服务器之家其它相关文章!
原文链接:https://blog.csdn.net/Lightismore/article/details/124054889