Изображение сегмента в передний план и фон с помощью итеративной основанной на графике сегментации
BW = grabcut(A,L,ROI)BW = grabcut(A,L,ROI,foremask,backmask)BW = grabcut(A,L,ROI,foreind,backind)BW = grabcut(V,___)BW = grabcut(___,Name,Value)BW = grabcut(___,Name,Value)
Считайте изображение RGB в рабочую область.
RGB = imread('peppers.png');Сгенерируйте матрицу метки.
L = superpixels(RGB,500);
Задайте видимую область и создайте рисунок маски.
figure
imshow(RGB)
h1 = impoly(gca,[72,105; 1,231; 0,366; 104,359;...
394,307; 518,343; 510,39; 149,72]);
roiPoints = getPosition(h1); roi = poly2mask(roiPoints(:,1),roiPoints(:,2),size(L,1),size(L,2));
Выполните операцию сокращения захвата, задав оригинальное изображение, матрицу метки и ROI.
BW = grabcut(RGB,L,roi); figure imshow(BW)
Создайте замаскированное изображение.
maskedImage = RGB; maskedImage(repmat(~BW,[1 1 3])) = 0; figure; imshow(maskedImage)
Загрузите 3-D объемные данные.
load mristack
V = mristack;Создайте 2D маску для начального переднего плана и фоновых точек seed.
seedLevel = 10; fseed = V(:,:,seedLevel) > 75; bseed = V(:,:,seedLevel) == 0;
Отобразите передний план и фоновые точки seed.
imshow(fseed)
imshow(bseed)
Поместите точки seed в пустую 3-D маску.
fmask = zeros(size(V)); bmask = fmask; fmask(:,:,seedLevel) = fseed; bmask(:,:,seedLevel) = bseed;
Создайте начальную видимую область.
roi = false(size(V)); roi(10:end-10,10:end-10,:) = true;
Сгенерируйте матрицу метки.
L = superpixels3(V,500);
Выполните GrabCut.
bw = grabcut(V,L,roi,fmask,bmask);
Отобразите 3D сегментированное изображение.
montage(reshape(bw,size(V)))
A Введите изображениеВведите изображение, заданное как действительный, конечный, неразреженный, числовой массив. Только полутоновыми изображениями может быть int16.
Типы данных: single | double | int16 | uint8 | uint16
V Введите объемВведите объем, заданный как действительный, конечный, неразреженный, 3-D числовой массив.
Типы данных: single | double | int16 | uint8 | uint16
L Матрица меткиМатрица метки, заданная как допустимая матрица метки для входного изображения.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | логический
ROI — Видимая областьВидимая область, заданная как логический массив, где все пиксели, которые задают видимую область, равны true.
Типы данных: логический
foremask — Приоритетная маскаПриоритетная маска, заданная как логический массив.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | логический
backmask — Фоновая маскаФоновая маска, заданная как логический массив.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | логический
foreind — Индексы пикселей на переднем планеИндексы пикселей на переднем плане, заданном как вектор линейных индексов.
Типы данных: double
backind — Индексы пикселей в фонеИндексы пикселей в фоне, заданном как вектор линейных индексов.
Типы данных: double
Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
BW = grabcut(A,L,ROI,'Connectivity',4)'Connectivity' — Возможность соединения связанных компонентовВозможность соединения связанных компонентов, заданных как одно из следующих значений. Возможность соединения по умолчанию 8 для 2D изображений, и 26 для 3-D изображений.
Значение | Значение |
|---|---|
Двумерные возможности соединения | |
4 | Связанное с 4 окружение
|
8 | Связанное с 8 окружение
|
3D возможности соединения | |
6 | Связанное с 6 окружение
|
18 | Связанное с 18 окружение
|
26 | Связанное с 26 окружение
|
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
'MaximumIterations' — Максимальное количество итераций5 (значение по умолчанию) | положительная скалярная величинаМаксимальное количество итераций выполняется алгоритмом. Алгоритм может сходиться к решению прежде, чем достигнуть максимального количества итераций.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
Для double и изображений single, grabcut принимает область значений изображения, чтобы быть [0 1]. Для uint16, int16 и изображений uint8, grabcut принимает область значений, чтобы быть полным спектром для типа определенных данных.
Для полутоновых изображений размер L, foremask и backmask должен совпадать с размером изображения A. Для цвета и многоканальных изображений, L, foremask и backmask должны быть 2D массивами с первыми двумя размерностями, идентичными первым двум размерностям изображения A.
Алгоритм обрабатывает все подобласти полностью или пространственно вне маски ROI как принадлежащий фону. Чтобы получить оптимальную сегментацию, убедитесь, что объект, который будет сегментирован, полностью содержится в ROI, окруженном небольшим количеством фоновых пикселей.
Не отмечайте подобласть матрицы метки как принадлежащий и приоритетной маске и фоновой маске. Если область матрицы метки содержит пиксели, принадлежащие и приоритетной маске и фоновой маске, алгоритм эффективно обрабатывает область как не отмеченную.
Алгоритм принимает, что все подобласти вне видимой области принадлежат фону. Отмечание одной из этих подобластей как принадлежащий переднему плану или фоновой маске не имеет никакого эффекта на получившуюся сегментацию.
[1] Rother, C., В. Кольмогоров и А. Блэйк. "GrabCut - Интерактивная Приоритетная Экстракция с помощью Выполненных с помощью итераций Сокращений Графика". Транзакции ACM на Графике (SIGGRAPH). Издание 23, Номер 3, 2004, стр 309–314.