版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
前面学习过分水岭算法来分离背景与前景，现在来学习另一个标记算法GrabCut，它也是通过标记来抽取前景的算法。这个算法与分水岭算法标记不一样，比如只要简单地标记一个前景的方框，就可以抽取出来，不过计算量就有点大了。如下图：
在这里使用红色的矩形把中间的烧鸭选出来，就这样就可以把它放到OpenCV里的函数grabCut去处理，就会把烧鸭分离出来，既然分离出来了，你就可以进行各种处理了。整个代码如下：
#python 3.7.4,opencv4.1
#蔡军生 https://blog.csdn.net/caimouse/article/details/51749579
#
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('yaze1.png')
mask = np.zeros(img.shape[:2],np.uint8)
bgdModel = np.zeros((1,65),np.float64)
fgdModel = np.zeros((1,65),np.float64)
rect = (75,103,700,520)
cv2.grabCut(img,mask,rect,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT)
mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8')
img1 = img*mask2[:,:,np.newaxis]
imgRGB = cv2.cvtColor(img1,cv2.COLOR_BGR2RGB)
plt.imshow(imgRGB)
plt.show()结果输出如下：
从结果里看到，本来想只要烧鸭的，结果还多了一朵花出来。如果还想更加完美的分离，就需要进一步标注，比如把这朵花的区域标记为黑色，烧鸭上面的白色要保留，于是就可以把上图修改成这样：
花朵已经变成黑色，保留的白色已经被标记为纯白。然后再来做一次grabCut处理，就可以得下面完美的图片：
到这里就完成了。完整的代码如下：
#python 3.7.4,opencv4.1
#蔡军生 https://blog.csdn.net/caimouse/article/details/51749579
#
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('yaze1.png')
mask = np.zeros(img.shape[:2],np.uint8)
bgdModel = np.zeros((1,65),np.float64)
fgdModel = np.zeros((1,65),np.float64)
rect = (75,103,700,520)
cv2.grabCut(img,mask,rect,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT)
mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8')
img1 = img*mask2[:,:,np.newaxis]
imgRGB = cv2.cvtColor(img1,cv2.COLOR_BGR2RGB)
plt.imshow(imgRGB)
plt.show()
#
cv2.imwrite('mask2.png', img1)
#
newmask = cv2.imread('mask3.png',0)
mask[newmask == 0] = 0
mask[newmask == 255] = 1
mask, bgdModel, fgdModel = cv2.grabCut(img,mask,None,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_MASK)
mask = np.where((mask==2)|(mask==0),0,1).astype('uint8')
img = img*mask[:,:,np.newaxis]
imgRGB1 = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
plt.imshow(imgRGB1)
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
想要了解更多内容参考下面网站：
https://blog.csdn.net/qq_31145049/article/details/84876366