Сегментируйте изображение в передний план и фон с помощью итерационной сегментации на основе графа
BW = grabcut(___,Name,Value)
Чтение изображения RGB в рабочую область.
RGB = imread('peppers.png');Сгенерируйте матрицу меток.
L = superpixels(RGB,500);
Задайте необходимую область и создайте маскировочное 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 grab cut, задав оригинальное изображение, матрицу меток и информации только для чтения.
BW = grabcut(RGB,L,roi); figure imshow(BW)
Создайте маскированное изображение.
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 seed.
seedLevel = 10; fseed = V(:,:,seedLevel) > 75; bseed = V(:,:,seedLevel) == 0;
Отображение точек seed переднего плана и фона.
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 необходимую область.
roi = false(size(V)); roi(10:end-10,10:end-10,:) = true;
Сгенерируйте матрицу меток.
L = superpixels3(V,500);
Выполните команду GrabCut.
bw = grabcut(V,L,roi,fmask,bmask);
Отобразите 3D сегментированное изображение.
montage(reshape(bw,size(V)))
A - Изображение в сегментВходное изображение или объем, заданный как 2-D изображение в полутоновом цвете, 2-D изображение в труколоре или 3-D объем в полутоновом цвете. Типом данных могут быть только полутоновые изображения 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 - Необходимая областьНеобходимая область, заданная как логический массив. Все пиксели, которые определяют необходимую 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 - Маска фонаМаска фона, заданная как логический массив.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical
foreind - Индексы пикселей в переднем планеИндексы пикселей в 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
Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.
BW = grabcut(A,L,ROI,'Connectivity',4)'Connectivity' - Связь связанных компонентов4 | 8 | 6 | 18 | 26Связь подключенных компонентов в виде одного из следующих значений. Связность по умолчанию - 8 для 2-D изображений и 26 для 3-D изображений.
Значение | Значение |
|---|---|
Двумерные связи | |
4 | 4-связанный район
|
8 | 8-связанный район
|
Трехмерные связи | |
6 | 6-связанный район
|
18 | 18-связанный район
|
26 | 26-связанный район
|
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
'MaximumIterations' - Максимальное количество итераций5 (по умолчанию) | положительная скалярная величинаМаксимальное количество итераций, выполненных алгоритмом. Алгоритм может сходиться к решению, не достигнув максимального количества итераций.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
Для double и single изображения, grabcut принимает область значений изображений, который будет [0 1]. Для uint16, int16, и uint8 изображения, grabcut принимает, что область значений является полной областью значений для заданного типа данных.
Для полутоновых изображений размер L, foremask, и backmask должен совпадать с размером изображения A. Для цветных и многоканальных изображений, L, foremask, и backmask должны быть 2-D массивы с первыми двумя размерностями, идентичными первым двум размерностям изображения A.
Алгоритм обрабатывает все субрегионы полностью или пространственно вне маски ROI как принадлежащие фону. Чтобы получить оптимальную сегментацию, убедитесь, что объект, который будет сегментирован, полностью содержится в информация только для чтения, окруженном небольшим количеством фоновых пикселей.
Не помечайте субрегион матрицы меток как принадлежащий маске переднего плана и маске фона. Если область матрицы меток содержит пиксели, принадлежащие маске переднего плана и маске фона, алгоритм эффективно обрабатывает область как немаркированную.
Алгоритм предполагает, что все субрегионы за пределами необходимой области принадлежат фону. Пометка одного из этих субрегионов как принадлежащего переднему плану или маске фона не влияет на полученную сегментацию.
[1] Rother, C., В. Колмогоров и А. Блейк. «GrabCut - интерактивное извлечение переднего плана с использованием итерационных Графиков вырезов». Транзакции ACM на графике (SIGGRAPH). Том 23, № 3, 2004, стр. 309-314.