Graphcut主要用于图像背景与前景的分割，是一种基于图论的分割方法，在计算机视觉领域中应用于前景分割、医学处理、纹理分割及立体视觉等方面，类似于PS中的抠图功能。基本图论的分割技术是图像分割领域中新的研究热点，该方法基于能量优化算法，将图像分割问题转换为图的最小割优化问题。
Grabcut是Graphcut算法的改进，Graphcut是一种直接基于图切算法的图像分割技术，仅仅需要确认前景与背景输入，该算法就可以完成背景与前景相似督导赋权图，并通过最优切割来实现图像分割。Grabcut算法可以不需要用户交互，仅仅需要输入包含目标前景的区域就可以完成前景与前景的分离。
Graphcut的目标和背景模型是灰度直方图，Grabcut采用的是RGB三通道混合高斯模型；Graphcut的能量最小化分割是能通过一次计算实现的，而Grabcut是根据分割模型参数更新完成学的学习过程；Graphcut需要用户输入前景与背景区域点集，而Grabcut只需要提供含有背景的区域像素集就可以完成分割。
上面三段话纯属装逼，实际上，只是对Grabcut算法和Graphcut算法大致的介绍，想了解详细原理，可以加我的Q2034196302，我发你三篇文章，让你能详细了解原理。
OpenCV中提供了Grabcut函数用于实现Grabcut操作，原型如下：
C++: void grabCut(InputArray img, InputOutputArray mask, Rect rect, InputOutputArray bgdModel, InputOutputArray fgdModel, int iterCount, int mode=GC_EVAL )
参数意义如下：
img：输入图像，要求是8-bit 3-channel 图像。
mask：输入/输出的掩码图。如果最后一个参数mode=GC_INIT_WITH_RECT，则掩码图像由函数自行初始化。这个掩码图元素可能的取值如下：
GC_BGD：表示明显的背景像素，宏义值为0；
GC_FGD：表示明显的前景像素，宏义值为1；
GC_PR_BGD-可能为背景像素的像素，宏义义的值为2
GC_PR_FGD-可能为前景像素的像素，宏义义的值为3
rect：算法感兴趣区域。区域之外被标记为明显的背景，这个参数只有当mode=GC_INIT_WITH_RECT才有效。
bgdModel：迭代时使用的背景临时阵列
fgdModel：迭代时使用的前景临时阵列
rect:被用户指定含前景的矩形区域，如果mode设为GC_INIT_WITH_RECT，那么在使用rect对mask进行初始化时，rect区域之外的值统一为0
iterCount：算法迭代次数，迭代次数越多，显然越耗时间，但是对前景和背景的分割也越准。
mode：算法模式。取值如下：
GC_INIT_WITH_RECT：函数使用用户提供的矩形区域进行相关状态和mask的初始化。
GC_INIT_WITH_MASK：函数使用用户提供的mask进行相关状态的初始化。
GC_INIT_WITH_RECT 和 GC_INIT_WITH_MASK可以同时使用，这种情况下，矩形区域外的象素点将被初始化为GC_BGD状态。
GC_EVAL：The value means that the algorithm should just resume.【作者注：读不懂这句话，有读懂的可以加QQ2034196302说出自己的高见】
使用grabCut函数的示例代码如下：
代码请加Q2034196302获取
代码请加Q2034196302获取
代码请加Q2034196302获取
运行结果如下图所示：
