版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u011630458/article/details/78323136
简介
本篇主要A Global Sampling Method for Alpha Matting论文的笔记记录。
具体实现
输入：1、原图src 2、掩码图mask(0为背景，128未知区域，255为前景) 1、expansionOfKnownRegions 根据前后景图像与周围未知区域的颜色、强度相关性，对图像掩码mask做一定程度的前后景扩散，然后腐蚀。 2、找到前景掩码和未知区域边界位置，存入：foregroundBoundary 找到背景掩码和未知区域边界位置，存入：backgroundBoundary 3、随机生成：foregroundBoundary.size + backgroundBoundary.size个坐标点，如果该坐标位置掩码为前景或者背景， 则将该点坐标对应放入foregroundBoundary或者backgroundBoundary。 4、根据foregroundBoundary和backgroundBoundary中存放坐标点对应src图像信息强度，从小到大，对坐标点进行排序。 5、遍历全图未知区域，分别计算每个未知区域点和foregroundBoundary、backgroundBoundary的最小坐标距离平方差。 并随机生成(rand() % foregroundBoundary.size(), rand() % backgroundBoundary.size()).全部存入到samples中。 6、建立数组二维coords，存入src图像坐标从(0,0)到(h,w)存入。 7、循环10次： 7.1、将coords存的坐标数据随机打乱从排。 7.2、循环coords.size()次，每次取出mask[coords[i].x, coords[i].y]数据，如果mask不是未知区域(128),直接进入下一次循环。 7.3、未知区域则取出src该点像素与samples该点参数(s1)。 7.4、以(coords[i].x, coords[i].y)为中心的3x3矩形遍历。 (1)如果矩形中对应位置mask为128，取出该点samples值(s2)。 (2)获取到对应前景背景像素值：src(foregroundBoundary[s2.fi]);src(backgroundBoundary[s2.bj]); (3)根据当前原地坐标，及取到的前后背景点坐标，论文公式求出alpha，并根据该alpha，求出cost值。 (4)如果s1中没有存储cost或者cost大于当前cost，则更新当前s1中的fi,bj,cost和alpha值。 7.5、循环src.h*src.w组，每组循环k次。 (1)随机生成fi,bj。得到F src(foregroundBoundary[fi]), B src(backgroundBoundary[bj])。 (2)根据每组当前点像素I,以及每次获取到的F,B，计算出alpha，并根据该alpha，求出cost值。 (3)如果s1中没有存储cost或者cost大于当前cost，则更新当前s1中的fi,bj,cost和alpha值。 8、遍历整个掩码图像，如果mask为未知区域(128)，则更新该点像素值为：255 * samples[y][x].alpha。 进而得到最终的抠图alpha掩码。