本篇博客主要介绍cv2模块中的Grabcut算法进行前景提取。
cv2.grabCut(img, mask, rect, bgdModel, fgdModel, iterCount, mode=None)
img: 输入图像
mask:掩码图像,用来确定哪些区域是背景、前景,哪些可能是前景/背景,可以置为 cv2.GC_BGD,cv2.GC_FGD,cv2.GC_PR_BGD,cv2.GC_PR_FGD 或者直接填入 0,1,2,3
rect:包括前景的矩形,格式为(x,y,w,h)
bdgModel, fgdModel:算法内使用的数组,只需要创建两个大小为(1,65),数据类型为 np.float64 的数组
iterCount:算法的迭代次数
mode 可以置为 cv2.GC_INIT_WITH_RECT或cv2.GC_INIT_WITH_MASK,也可以联合使用,是用来确定我们修改的方式使用矩形形式还是掩码形式
示例代码:
# encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('../data/messi5.jpg')
mask = np.zeros(img.shape[:2], np.uint8)
bgdModel = np.zeros((1, 65), np.float64)
fgdModel = np.zeros((1, 65), np.float64)
rect = (50, 50, 450, 290)
# 函数的返回值是更新的 mask,bgdModel, fgdModel
cv2.grabCut(img, mask, rect, bgdModel, fgdModel, iterCount=5, mode=cv2.GC_INIT_WITH_RECT)
mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8')
img = img * mask2[:, :, np.newaxis]
plt.imshow(img), plt.colorbar(), plt.show()
原图:
结果图片: