grabcut
Изображение сегмента в передний план и фон с помощью итеративной основанной на графике сегментации
Синтаксис
Описание
BW = grabcut(___,Name,Value)
Примеры
Передний план сегмента знаний в изображении Используя Grabcut
Считайте изображение RGB в рабочую область.
RGB = imread('peppers.png');Сгенерируйте матрицу метки.
L = superpixels(RGB,500);
Задайте необходимую область и создайте рисунок маски.
figure imshow(RGB) h1 = drawpolygon(gca,'Position',[72,105; 1,231; 0,366; 104,359;... 394,307; 518,343; 510,39; 149,72]);
roiPoints = h1.Position; 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)
Сегмент 3-D Объем Используя Grabcut
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 необходимую 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)))
Входные параметры
A — Отобразите, чтобы сегментироваться
2D полутоновое изображение | 2D изображение истинного цвета | 3-D полутоновый объем
Введите изображение или объем в виде 2D полутонового изображения, 2D изображение истинного цвета или 3-D полутоновый объем. Только полутоновые изображения могут быть типом данных int16.
Типы данных: single | double | int16 | uint8 | uint16
L — Матрица метки
числовой массив
Матрица метки в виде числового массива.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical
ROI — Необходимая область
логический массив
Необходимая область в виде логического массива. Все пиксели, которые задают необходимую область, равны true.
Типы данных: логический
foremask — Приоритетная маска
логический массив
Приоритетная маска в виде логического массива.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical
backmask — Фоновая маска
логический массив
Фоновая маска в виде логического массива.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical
foreind — Индексы пикселей на переднем плане
вектор
Индексы пикселей на переднем плане в виде вектора из линейных индексов.
Типы данных: double
backind — Индексы пикселей в фоне
вектор
Индексы пикселей в фоне в виде вектора из линейных индексов.
Типы данных: double
Аргументы в виде пар имя-значение
Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и 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 компонентов
4
Возможность соединения связанных компонентов в виде одного 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 итераций
5
Максимальное 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
Выходные аргументы
Советы
Для
doubleиsingleизображения,grabcutпринимает область значений изображения, чтобы быть[0 1]. Дляuint16int16, иuint8изображения,grabcutпринимает область значений, чтобы быть полным спектром для типа определенных данных.Для полутоновых изображений, размера
L,foremask, иbackmaskдолжен совпадать с размером изображенияA. Для цвета и многоканальных изображений,L,foremask, иbackmaskдолжны быть 2D массивы с первыми двумя размерностями, идентичными первым двум размерностям изображенияA.
Алгоритмы
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 необходимой области принадлежат фону. Отмечание одной из этих подобластей как принадлежащий переднему плану или фоновой маске не оказывает влияния на получившуюся сегментацию.
Ссылки
[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.