http://www.cnblogs.com/mikewolf2002/p/3330390.html
OpenCV学习(20) grabcut分割算法
在OpenCV中，实现了grabcut分割算法，该算法可以方便的分割出前景图像，操作简单，而且分割的效果很好。算法的原理参见papaer：“GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts
比如下面的一副图，我们只要选定一个四边形框，把框中的图像作为grabcut的一个输入参数，表示该框中的像素可能属于前景，但框外的部分一定属于背景。
然后调用grabcut函数，就可以分割出城堡来。具体代码如下：
// 打开另一幅图像cv::Mat image= cv::imread("../tower.jpg");if (!image.data) { cout<<"不能打开图像！"<<endl; return 0; }
// 矩形外的像素是背景 cv::Rect rectangle(50,70,image.cols-150,image.rows-180);
cv::Mat result;//两个临时矩阵变量，作为算法的中间变量使用，不用carecv::Mat bgModel,fgModel; double tt = cv::getTickCount();// GrabCut 分段cv::grabCut(image, //输入图像 result, //分段结果 rectangle,// 包含前景的矩形 bgModel,fgModel, // 前景、背景 1, // 迭代次数 cv::GC_INIT_WITH_RECT); // 用矩形tt = cv::getTickCount() - tt;printf("算法执行执行时间:%g ms\n", tt/cv::getTickFrequency()*1000);// 得到可能是前景的像素//比较函数保留值为GC_PR_FGD的像素cv::compare(result,cv::GC_PR_FGD,result,cv::CMP_EQ);// 产生输出图像cv::Mat foreground(image.size(),CV_8UC3,cv::Scalar(255,255,255));//背景值为 GC_BGD=0，作为掩码image.copyTo(foreground,result);
grabCut函数的第一个参数为我们要处理的图像，本程序中就是image，图像的类型必须为：CV_8UC3
第二个参数是mask图像，它的大小和image一样，但是它的格式为CV_8UC1，只能是单通道的，grabcut算法的结果就保存在该图像中。
前面的代码中，我们并没有对mask图像(result)进行初始化设置，因为第6个参数为cv::GC_INIT_WITH_RECT，它表示算法会根据rectangle的范围，来生成一个初始化的mask图像。
cv::grabCut(image, //输入图像
result, //分段结果
rectangle, // 包含前景的矩形
bgModel,fgModel, // 前景、背景
1, // 迭代次数
cv::GC_INIT_WITH_RECT); // 用矩形
mask图像的值只能为下面下面4个值(PR，probably表示可能的)：
GC_BGD = 0, //背景
GC_FGD = 1, //前景
GC_PR_BGD = 2, //可能背景
GC_PR_FGD = 3 //可能前景
根据rectangle生成的mask图像规则为：四边形外面的部分一定是背景，所以在mask图中对应的像素值为GC_BGD，而四边形内部的的值可能为前景，所以对应的像素值为GC_PR_FGD。所以我们程序中使用mask图像应该如下图所示。
如果第7个参数为GC_INIT_WITH_MASK，这时第三个参数rectangle没有使用，我们必须在调用grabcut函数之前，手工设置mask图像(变量result)，如果我们把result设置成上图所示的灰度图。那个调用函数
cv::grabCut(image1, //输入图像
result1, //分段结果
rectangle, // 包含前景的矩形
bgModel,fgModel, // 前景、背景
1, // 迭代次数
cv::GC_INIT_WITH_MASK); // 用矩形
可以得到同样的结果。
可以参考下面的代码：
cv::Mat result1= cv::Mat(image1.rows, image1.cols,CV_8UC1, cv::Scalar(cv::GC_BGD));//注意给子矩阵赋值的方法cv::Mat roi(result1, cv::Rect(50,70,result1.cols-150,result.rows-180));roi = cv::Scalar(cv::GC_PR_FGD);tt = cv::getTickCount();// GrabCut 分段cv::grabCut(image1, //输入图像 result1, //分段结果 rectangle,// 包含前景的矩形 bgModel,fgModel, // 前景、背景 1, // 迭代次数 cv::GC_INIT_WITH_MASK); // 用矩形tt = cv::getTickCount() - tt;printf("算法执行执行时间:%g ms\n", tt/cv::getTickFrequency()*1000);
// 得到可能是前景的像素//比较函数保留值为GC_PR_FGD的像素cv::compare(result1,cv::GC_PR_FGD,result,cv::CMP_EQ);// 产生输出图像cv::Mat foreground1(image1.size(),CV_8UC3,cv::Scalar(255,255,255));//背景值为 GC_BGD=0，作为掩码image.copyTo(foreground1,result1);
第3个参数是rectangle的大小位置，如果第7个参数为GC_INIT_WITH_MASK，则该参数没有作用。
第4，5个参数是两个算法在执行过程中使用临时矩阵变量，不用care它们的内容。
第6个参数是迭代次数，迭代越多，效果越好，但划时间也越长。
第7个参数是操作模式，通常情况下为GC_INIT_WITH_RECT和GC_INIT_WITH_MASK。
从上面的图中，我们可以看到，grabcut算法的效果很好，但是花的时间也很长，上面图像在我的笔记本上需要4.4秒。
程序源代码：工程FirstOpenCV13