GrabCut是一种交互式迭代前景提取算法，这个项目是对其的实践，参考opencv的源码
核心的点
- 混合高斯模型
- 迭代图像分割
- Graph Cut
- border matting: 这个不是重点
opencv mask四状态
- 背景
GCD_BGD：0 - 前景
GCD_FGD：1 - 可能的背景
GCD_PR_BGD：2 - 可能的前景
GCD_PR_FGD：3
流程 #
初始化 #
-
用户通过直接框选目标来得到一个初始的
GCD_PR_FGD为$t_f$，即方框外的像素全部作为GCD_BGD为$t_b$ -
对每一像素n，初始化像素n的标签
-
通过像素标签来估计目标和背景的GMM，通过k-mean算法分别把属于目标和背景的像素聚类为K类，即GMM中的K个高斯模型
迭代最小化 #
-
对每个像素分配GMM中的高斯分量
-
对于给定的图像数据Z，学习优化GMM的参数
-
分割估计（通过1中的Gibbs能量项，建立图，并求出权值t-link和n-link，通过max flow/min cut算法来进行分割）：
-
重复步骤1-3，直到收敛
-
对分割的边界进行
border matting平滑处理
思考 #
如果GMM颜色模型换成颜色直方图 https://mmcheng.net/zh/salobj/，可能对视觉显著性区域有更好的切割效果
代码 #
- main.cpp: 主要的用户交互逻辑
- grabcut.hpp: grabcut算法的实现（含注释）及其依赖的GMM等
- grabcut_ref.cpp: opencv中的样例的修改
目录 #
- images: 测试用的图像文件
- lib: 可能用到的库
- pages: 算法的相关paper
DEMO #
框选并提取出 可能的前景GCD_PR_FGD，未被框则选为 背景GCD_BGD，按n获得初次分割结果
左键点击选取GCD_FGD，右键点击选取GCD_BGD，按n继续迭代更新
Lib #
- opencv Open Source Computer Vision Library
- cmake CMake is an open-source, cross-platform family of tools designed to build, test and package software
Src #
https://github.com/Kingfish404/grabcut-apply-cpp