grabcut
段使用迭代图论分割图像分为前景和背景
语法
描述
例子
段使用Grabcut前景从背景图像
读一个RGB图像到工作区中。
RGB = imread (“peppers.png”);
矩阵生成标签。
L = superpixels (RGB, 500);
指定一个感兴趣的区域并创建一个面具的形象。
imshow (RGB) h1 = drawpolygon (“位置”,72105;1231;0366;104359;…394307;518343;510年,39岁;149年、72年);
roiPoints = h1.Position;投资回报率= poly2mask (roiPoints (: 1), roiPoints(:, 2),大小(L, 1),大小(L, 2));
执行抓取操作,指定原始图像,标签矩阵和ROI。
BW = grabcut (RGB, L, roi);imshow (BW)
创建蒙面的形象。
maskedImage = RGB;maskedImage (repmat (~ BW, [1 1 3])) = 0;imshow (maskedImage)
使用Grabcut段三维体积
加载3 d体积数据。
负载mristackV = mristack;
创建一个二维的面具最初的前景和背景的种子点。
seedLevel = 10;fse = V (:,:, seedLevel) > 75;疯牛病= V (:,:, seedLevel) = = 0;
显示前景和背景的种子点。
imshow (fse)
imshow(疯牛病)
将种子点放入空3 d面具。
fmask = 0(大小(V));bmask = fmask;fmask (:,:, seedLevel) =工程师;bmask (:,:, seedLevel) =疯牛病;
创建初始感兴趣的地区。
投资回报率= false(大小(V));roi (10: end-10 10: end-10:) = true;
矩阵生成标签。
L = superpixels3 (V, 500);
执行GrabCut。
bw = grabcut (V, L, roi, fmask bmask);
显示3 d图像分割。
蒙太奇(重塑(bw,大小(V)))
输入参数
一个- - - - - -图像部分
二维灰度图像|二维真彩图像|三维灰度体积
输入图像或体积,指定为一个二维灰度图像,二维真彩图像,或3 d灰度体积。只有灰度图像可以数据类型int16。
数据类型:单|双|int16|uint8|uint16
l- - - - - -标签矩阵
数字数组
标签矩阵,指定为一个数字数组。
数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64|逻辑
ROI- - - - - -感兴趣的区域
逻辑阵列
感兴趣的区域,指定为一个逻辑数组。所有像素定义感兴趣的地区都是平等的真正的。
数据类型:逻辑
foremask- - - - - -前景的面具
逻辑阵列
前景面具,指定为一个逻辑数组。
数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64|逻辑
backmask- - - - - -背景的面具
逻辑阵列
背景面具,指定为一个逻辑数组。
数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64|逻辑
foreind- - - - - -指数的前景像素
向量
指数前景的像素指定为一个向量的线性指标。
数据类型:双
backind- - - - - -指标的背景像素
向量
指标的背景像素,指定为一个向量的线性指标。
数据类型:双
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
例子:grabcut (L, ROI,连接= 4)
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。
例子:grabcut (L, ROI,“连接”,4)
连接- - - - - -连接的连接组件
4|8|6|18|26
连接的连接组件,指定为以下值之一。二维图像的默认连接是8,26日3 d图像。
价值 |
意义 |
|
|---|---|---|
二维的连接性 |
||
|
边缘像素连接如果他们的联系。两个相邻的像素是相同的对象如果他们都和沿水平或垂直方向连接。 |
当前像素显示在灰色。 |
|
像素连接如果边缘或角落联系。两个相邻像素属于同一对象如果他们都是沿着水平和连接,垂直或对角线方向。 |
当前像素显示在灰色。 |
三维的连接性 |
||
|
像素如果他们的脸碰相连。两个相邻的像素属于同一对象如果他们都和连接:
|
当前像素是立方体的中心。 |
|
边缘像素连接如果他们的脸或联系。两个相邻的像素属于同一对象如果他们都和连接:
|
当前像素是立方体的中心。 |
|
像素连接如果他们的脸、边缘或角落联系。两个相邻的像素属于同一对象如果他们都和连接:
|
当前像素是立方体的中心。 |
数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64
MaximumIterations- - - - - -最大迭代次数
5(默认)|积极的标量
执行的最大数量的迭代算法。该算法能收敛到一个解决方案之前达到的最大迭代数。
数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64
输出参数
提示
算法
算法对所有条件全部或空间外的ROI掩模属于背景。得到一个最优的分割,确保对象分割是完全包含在ROI,周围少量背景像素。
不一个次区域标签的矩阵标记为属于前景掩模和背景的面具。如果一个区域的标签矩阵包含像素属于前景和背景的面具,面具的算法将该地区视为无名。
算法假定所有感兴趣的亚区以外的地区属于背景。标记一个亚区属于前景或背景掩盖对结果没有影响分割。
引用
[1]洛特,C。,V. Kolmogorov, and A. Blake. "GrabCut - Interactive Foreground Extraction using Iterated Graph Cuts".ACM交易图形(SIGGRAPH)。第三卷。23日,2004年,页309 - 314。
