Сегментация изображения на передний план и фон с помощью итеративной сегментации на основе графов
BW = grabcut(___,Name,Value)
Считывание изображения RGB в рабочую область.
RGB = imread('peppers.png');Создание матрицы меток.
L = superpixels(RGB,500);
Укажите интересующую область и создайте маскирующее изображение.
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 захвата-вырезания, указав исходное изображение, матрицу меток и ROI.
BW = grabcut(RGB,L,roi); figure imshow(BW)
Создание маскированного изображения.
maskedImage = RGB; maskedImage(repmat(~BW,[1 1 3])) = 0; figure; imshow(maskedImage)
Загрузка 3-D объемных данных.
load mristack
V = mristack;Создайте маску 2-D для начальных точек переднего и заднего плана.
seedLevel = 10; fseed = V(:,:,seedLevel) > 75; bseed = V(:,:,seedLevel) == 0;
Отображение начальных точек переднего и заднего плана.
imshow(fseed)
imshow(bseed)
Поместите начальные точки в пустую маску 3-D.
fmask = zeros(size(V)); bmask = fmask; fmask(:,:,seedLevel) = fseed; bmask(:,:,seedLevel) = bseed;
Создайте начальную интересующую область.
roi = false(size(V)); roi(10:end-10,10:end-10,:) = true;
Создание матрицы меток.
L = superpixels3(V,500);
Выполните команду «Захват».
bw = grabcut(V,L,roi,fmask,bmask);
Отображение 3D сегментированного изображения.
montage(reshape(bw,size(V)))
A - Изображение в сегментВходное изображение или объем, заданный как 2-D изображение в градациях серого, 2-D изображение в цвете или 3-D объем в градациях серого. Типом данных могут быть только изображения в градациях серого int16.
Типы данных: single | double | int16 | uint8 | uint16
L - Матрица метокМатрица меток, заданная как числовой массив.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical
ROI - Регион интересовИнтересующая область, заданная как логический массив. Все пикселы, определяющие интересующую область, равны true.
Типы данных: logical
foremask - Маска переднего планаМаска переднего плана, заданная как логический массив.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical
backmask - Фоновая маскаМаска фона, заданная как логический массив.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical
foreind - Индексы пикселей на переднем планеИндексы пикселей на переднем плане, заданные как вектор линейных индексов.
Типы данных: double
backind - Индексы пикселей в фоновом режимеИндексы пикселей в фоновом режиме, заданные как вектор линейных индексов.
Типы данных: double
Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.
BW = grabcut(A,L,ROI,'Connectivity',4)'Connectivity' - Подключение подключенных компонентов4 | 8 | 6 | 18 | 26Связность подключенных компонентов, заданная как одно из следующих значений. Подключение по умолчанию - 8 для 2-D изображений и 26 для 3-D изображений.
Стоимость | Значение |
|---|---|
Двумерные связности | |
4 | 4-подключенный район
|
8 | 8-подключенный район
|
Трехмерные связи | |
6 | 6-подключенный район
|
18 | 18-подключенный район
|
26 | 26-подключенный район
|
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
'MaximumIterations' - Максимальное число итераций5 (по умолчанию) | положительный скалярМаксимальное количество итераций, выполняемых алгоритмом. Алгоритм может сходиться к решению до достижения максимального количества итераций.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
Для double и single изображения, grabcut предполагает диапазон изображения, которое должно быть [0 1]. Для uint16, int16, и uint8 изображения, grabcut предполагает, что диапазон является полным диапазоном для данного типа данных.
Для изображений в оттенках серого размер L, foremask, и backmask должен соответствовать размеру изображения A. Для цветных и многоканальных изображений, L, foremask, и backmask должны быть 2-D массивы с первыми двумя размерами, идентичными первым двум размерам изображения A.
Алгоритм рассматривает все субрегионы полностью или пространственно вне маски ROI как принадлежащие фону. Чтобы получить оптимальную сегментацию, убедитесь, что объект, подлежащий сегментированию, полностью содержится в ROI, окруженном небольшим количеством фоновых пикселей.
Не помечайте субрегион матрицы меток как относящийся как к маске переднего плана, так и к маске фона. Если область матрицы меток содержит пиксели, принадлежащие как маске переднего плана, так и маске заднего плана, алгоритм эффективно рассматривает область как немаркированную.
Алгоритм предполагает, что все субрегионы за пределами интересующего региона относятся к фону. Маркировка одного из этих субрегионов как принадлежащего к основной или фоновой маске не влияет на результирующую сегментацию.
[1] Ротер, К., В. Колмогоров и А. Блейк. «Захват выреза - интерактивное извлечение переднего плана с использованием итерируемых вырезов графика». Транзакции ACM на графике (SIGGRAPH). Том 23, номер 3, 2004, стр. 309-314.