1. 用户进入矩形。此矩形之外的所有内容都将被视为背景。矩形内的一切都是一个谜。

2.算法标记前景和背景中的像素（或硬标记）

3. 然后使用高斯混合模型 （GMM） 对前景和背景进行建模。

4. GMM根据我们提供的数据学习并创建新的像素分布。换句话说，未知像素根据它们与其他硬标记像素的颜色统计关系被标记为可能的前景或可能的背景（就像聚类一样）。

5. 此像素分布用于创建图形。像素是图形中的节点。添加了两个新节点：“源”节点和“接收器”节点。每个前景像素都链接到一个源节点。

信用 researchgate.net

2.2 如何使用GrabCut的包

2.2.1 第 1 步：导入必要的包

        首先，我们必须导入必要的包并覆盖我们的 matplotlib 函数。

        代码片段：

import cv2
import dlib
import sys
import numpy as np
from tkinter import filedialog
from matplotlib import pyplot as pltdef imshow(title = "Image", image = None, size = 10):w, h = image.shape[0], image.shape[1]aspect_ratio = w/hplt.figure(figsize=(size * aspect_ratio,size))plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))plt.title(title)plt.show() 

2.2.2 第 2 步：选择投资回报率函数

        我们可以使用此 OpenCV 方法从图片中仔细手动选择我们需要的感兴趣区域。

        原始照片

致谢 Eskipaper.com

img = r"C:\Users\jinzh\Desktop\Project\Python\python-opencv\lovely-girl-background-1.jpg"image = cv2.imread(img)
copy = image.copy()
# Create a mask (of zeros uint8 datatype) that is the same size (width, height) as our original image 
mask = np.zeros(image.shape[:2], np.uint8)bgdModel = np.zeros((1,65), np.float64)
fgdModel = np.zeros((1,65), np.float64)x, y , w, h = cv2.selectROI("select the area", image)start = (x, y)
end = (x + w, y + h)rect = (x, y , w, h)
cv2.rectangle(copy, start, end, (0,0,255), 3)
imshow("Input Image", copy) 

输出

生成自 Jupyter Notebook（作者）

2.2.3 第 3 部分 抓取切割算法算法：

抓取参数

1. img — 输入图像

2. 蒙版 — 这是一个蒙版图像，用于指定哪些部分是背景、前景或可能的背景/前景等。标志cv.GC_BGD、cv.GC_FGD、cv.GC_PR_BGD、cv.GC_PR_FGD，或者只是传递 0，1，2，3 以映像完成此操作。

3. rect — 在格式中，它是包含前景对象 （x，y，w，h） 的矩形的坐标

4. bdgModel 和 fgdModel — 由算法在内部使用。你只需要创建两个 np.float64 类型的零数组，每个数组的大小为 np.float64 （1，65）。

5. iterCount — 算法应运行的迭代次数。

6. mode — 这应该是cv.GC_INIT_WITH_RECT的、cv.GC_INIT_WITH_MASK的或混合的，这取决于我们是在绘制矩形还是画龙点滴。

cv2.grabCut(image, mask, rect, bgdModel, fgdModel, 100, cv2.GC_INIT_WITH_RECT)
mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8')
image = image * mask2[:,:,np.newaxis]imshow("Mask", mask * 80)
imshow("Mask2", mask2 * 255)
imshow("Image", image) 

解释

1. 运行算法 5 次迭代。因为我们使用的是矩形，所以模式应该是cv.GC_INIT_WITH_RECT的。

2.遮罩图像由Grabcut修改。

3. 如上所述，新蒙版图像中的像素将标有四个标志，表示背景/前景。

4.因此，我们更改了蒙版，使所有0和2像素都设置为0（背景），所有1和3像素都设置为1。（即前景像素）。

5. 我们最后一个面具现在已经完成。要获得分割的图像，只需将其乘以输入图像即可。

输出

生成自 Jupyter Notebook（作者）

你。我们终于能够删除背景。

三、参考和引用

1. "GrabCut" | ACM SIGGRAPH 2004 Papers
2. OpenCV: Interactive Foreground Extraction using GrabCut Algorithm