图像分割-Grabcut法(C#)

news2025/6/9 17:32:25

版权声明:本文为博主原创文章,转载请在显著位置标明本文出处以及作者网名,未经作者允许不得用于商业目的。

本文的VB版本请访问:图像分割-Grabcut法-CSDN博客

GrabCut是一种基于图像分割的技术,它可以用于将图像中的前景和背景分离。在实现中,GrabCut算法通常需要使用高斯混合模型(GMM)来建立前景和背景的概率分布,以便更好的估计像素的标签。同时,还需要考虑如何处理边界处的像素,以避免边界处的像素被错误地分类。GrabCut算法在图像分割中有着广泛的应用,例如人像分割、物体抠图等。

EmguCV使用CvInvoke.GrabCut方法来执行GrabCut算法,该方法声明如下:

public static void GrabCut(

           IInputArray img,

                    IInputOutputArray mask,

                    Rectangle rect,

                    IInputOutputArray bgdModel,

                    IInputOutputArray fgdModel,

                    int iterCount,

                   GrabcutInitType type

)

参数说明:

  1. img:输入输出的图像,必须是三通道彩色图像。
  2. mask:指定的掩码图像,必须是单通道灰度图像,并且与输入图像具有相同的尺寸。可以传入0-3的值,分别为:0表示明显为背景的像素、1表示冥相位前景的像素、2表示可能为背景的像素、3表示可能为前景的像素。
  3. rect:指定的矩形框,用于定位大概率可能为前景目标的位置。
  4. bgdModel:背景模型,必须是单通道浮点型Mat。
  5. fgdModel:前景模型,必须是单通道浮点型Mat。
  6. iterCount:迭代次数,用于控制算法的收敛性。
  7. type:GrabCut算法初始化类型,可以选择GrabCutInitType.WithRect或GrabCutInitType.WithMask,分别表示根据提供的矩形初始化或根据掩码初始化。

该方法没有返回值,而是直接在mask图像上进行前景分割操作,最终获得的mask包含0-3的值,含义如参数中说明。

        //Grabcut法 
        private void Button5_Click(object sender, EventArgs e)
        {
            Mat m = new Mat("C:\\learnEmgucv\\tower.jpg", ImreadModes.AnyColor);

            Mat result = new Mat();
            Mat bg = new Mat();
            Mat fg = new Mat();

            Rectangle rect = new Rectangle(80, 30, 680, 450);
            CvInvoke.GrabCut(m, result, rect, bg, fg, 1, GrabcutInitType.InitWithRect);
            //输出的result只有4个值:
            //0:确定背景
            //1:确定前景
            //2:可能背景
            //3:可能前景

            //演示框选范围
            CvInvoke.Rectangle(m, rect, new MCvScalar(255, 255, 255), 1);
            ImageBox1.Image = m;

            //标记区域
            Matrix<byte> matr = new Matrix<byte>(result.Rows, result.Cols);
            result.CopyTo(matr);
            for (int i = 0; i < matr.Cols; i++)
            {
                for (int j = 0; j < matr.Rows; j++)
                {
                    //将确定背景和可能背景标记为0,否则为255
                    if (matr[j, i] == 0 || matr[j, i] == 2)
                        matr[j, i] = 0;
                    else
                        matr[j, i] = 255;
                }
            }
            Mat midm = new Mat();
            midm = matr.Mat;
            //显示标记的图像
            CvInvoke.Imshow("midm", midm);

            //灰度转为彩色
            Mat midm1 = new Mat();
            CvInvoke.CvtColor(midm, midm1, ColorConversion.Gray2Bgr);
            Mat mout = new Mat();
            //And运算
            CvInvoke.BitwiseAnd(m, midm1, mout);
            CvInvoke.Imshow("mout", mout);
        }

输出结果如下图所示:

图8-5 Grabcut法分离前景

       //Grabcut法 
        private void Button6_Click(object sender, EventArgs e)
        {
            Mat m = CvInvoke.Imread("C:\\learnEmgucv\\tower.jpg", ImreadModes.Color);

            Mat result = new Mat();
            Mat bg = new Mat();
            Mat fg = new Mat();

            Rectangle rect = new Rectangle(80, 30, 680, 450);
            CvInvoke.GrabCut(m, result, rect, bg, fg, 5, GrabcutInitType.InitWithRect);

            Image<Bgr, byte> src = m.ToImage<Bgr, byte>();
            Image<Bgr, byte> dst = new Image<Bgr, byte>(new Size(src.Width, src.Height));

            Image<Gray, byte> mask = result.ToImage<Gray, byte>();
            //直接操作Image像素点
            for (int i = 0; i < src.Rows; i++)
            {
                for (int j = 0; j < src.Cols; j++)
                {
                    //如果是确定前景和可能前景,直接保留原像素点颜色,否则为黑色
                    if (mask.Data[i, j, 0] == 1 || mask.Data[i, j, 0] == 3)
                    {
                        dst.Data[i, j, 0] = src.Data[i, j, 0];
                        dst.Data[i, j, 1] = src.Data[i, j, 1];
                        dst.Data[i, j, 2] = src.Data[i, j, 2];
                    }
                    else
                    {
                        dst.Data[i, j, 0] = 0;
                        dst.Data[i, j, 1] = 0;
                        dst.Data[i, j, 2] = 0;
                    }
                }
            }
            ImageBox1.Image = dst;
        }

输出结果如下图所示:

图8-6 Grabcut法分离前景

      //标记为确定前景,这里使用InitWithMask 参数
        private void Button7_Click(object sender, EventArgs e)
        {
            Mat m = new Mat("c:\\learnEmgucv\\lena.jpg", ImreadModes.AnyColor);

            Mat mask = new Mat();
            Mat bg = new Mat();
            Mat fg = new Mat();
            Rectangle rect = new Rectangle(80, 30, 340, 480);

            //使用前景为全白色
            Mat m1 = new Mat("c:\\learnEmgucv\\lena_fillwhite.jpg", ImreadModes.Grayscale);
            Mat mask1 = new Mat();
            //二值化
            CvInvoke.Threshold(m1, mask1, 250, 1, ThresholdType.Binary);

            CvInvoke.Rectangle(m, rect, new MCvScalar(255, 255, 255), 1);

            //标记之后再调用GrabCut,使用InitWithMask参数
            CvInvoke.GrabCut(m, mask1, rect, bg, fg, 2, GrabcutInitType.InitWithMask);

            Matrix<byte> matrx = new Matrix<byte>(mask1.Rows, mask1.Cols);
            mask1.CopyTo(matrx);
            for (int i = 0; i < matrx.Cols; i++)
                for (int j = 0; j < matrx.Rows; j++)
                    if (matrx[i, j] == 0 || matrx[i, j] == 2)
                        matrx[i, j] = 0;
                    else
                        matrx[i, j] = 255;
            Mat midm2 = new Mat();
            midm2 = matrx.Mat;

            Mat midm1 = new Mat();
            CvInvoke.CvtColor(midm2, midm1, ColorConversion.Gray2Bgr);

            Mat mout = new Mat();
            CvInvoke.BitwiseAnd(m, midm1, mout);
            CvInvoke.Imshow("mout", mout);
        }

输出结果如下图所示:

图8-7 Grabcut法分离前景

由于.net平台下C#和vb.NET很相似,本文也可以为C#爱好者提供参考。

学习更多vb.net知识,请参看vb.net 教程 目录

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1355117.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

使用生成式AI查询大型BI表

在拥有大量表格形式数据的组织中&#xff0c;数据分析师的工作是通过提取、转换和围绕数据构建故事来理解这些数据。 分析师访问数据的主要工具是 SQL。 鉴于大型语言模型 (LLM) 令人印象深刻的功能&#xff0c;我们很自然地想知道人工智能是否可以帮助我们将信息需求转化为格式…

事实就是这么残酷,分享一个案例投资者是怎么一步步失败

都说交易市场要学会斗智斗勇&#xff0c;但fpmarkets澳福提醒交易者要始终记住&#xff0c;买的没有卖的精&#xff0c;下面就分享一个案例&#xff0c;让各位投资者知道现实就是这么残酷&#xff0c;一些无良的资本是怎么一步步让投资者失败的。 当在整个交易市场中渐渐地&am…

基于spring boot物流管理系统设计与实现

&#x1f345;点赞收藏关注 → 私信领取本源代码、数据库&#x1f345; 本人在Java毕业设计领域有多年的经验&#xff0c;陆续会更新更多优质的Java实战项目希望你能有所收获&#xff0c;少走一些弯路。&#x1f345;关注我不迷路&#x1f345;一 、设计说明 1.1 课题背景及意…

Java中的IO与NIO篇----第三篇

系列文章目录 文章目录 系列文章目录前言一、信号驱动 IO 模型二、异步 IO 模型三、JAVA NIO四、NIO 的缓冲区前言 前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站,这篇文章男女通用,看懂了就去分享给你的码吧。 一、…

数据湖的概念

1.定义 不同的公司对数据湖有不同的描述&#xff1a; 维基百科&#xff1a;数据湖是一类存储数据自然/原始格式的系统或存储&#xff0c;通常是对象块或者文件。数据湖通常是企业中全量数据的单一存储。全量数据包括原始系统所产生的原始数据拷贝以及为了各类任务而产生的转换…

杨中科 ASP.NET MVC

ASP.NET Core 入门 什么是ASP.NET CORE 1、ASP.NET Core是.NET中做Web开发的框架 2、ASP.NET Core MVC 传统MVC项目&#xff0c;前后端都做在一起 3、ASP.NET Core Web API: 前后端分离、多端开发。(是属于MVC中的一部分) 4、ASPNET Core MVC其实包含Web API&#xff0c;不过…

未来已来:跨境电商与3D打印技术的奇妙结合

在科技迅猛发展的当下&#xff0c;跨境电商和3D打印技术的结合成为了一场引人注目的奇妙融合。本文将深入研究这两者的交汇点&#xff0c;揭示它们在商业和生产领域中的协同效应&#xff0c;以及未来的发展前景。 跨境电商的挑战与机遇 跨境电商作为全球贸易的新引擎&#xff0…

arm64操作系统LLVM源码编译

编译electron需要对应版本的LLVM编译器,因此需要构建arm64版本的LLVM。构建过程如下。 一、编译环境 需要cmake版本大于3.20,因此需要更新cmake cmake源码下载地址:Download CMake Download CMake 下载后解压编译 tar -zxvf cmake-3.28.1.tar.gz cd cmake-3.28.1 mkdir…

淘宝商品类目接口API:获取淘宝商品分类类目信息

cat_get-获得淘宝分类详情 响应参数 名称类型必须示例值描述 info Mix0{"cid": 16, "parent_cid": 0, "name": "其他女装", "is_parent": "true", "status": "normal", "sort_order&q…

数据分析求职-简历准备

简历在整个求职过程中的重要性不言而喻&#xff0c;今天咱们来聊求职过程中简历准备的那些事儿~ 1. 简历究竟有啥用 求职的流程简单说就是&#xff1a;网申->笔试->面试->offer 其中网申环节&#xff0c;简历100%决定了你的通过与否&#xff0c;这个点大家都知道。…

Python小细节之Gui图形化界面库的对比和选择(一分钟版)

引言 我想要把打包的python程序变得好看 交互起来变得简单 遂 图形化界面 然 相关的库有很多 所以 对比&#xff01; 开整 8个图形化界面库 在Python中&#xff0c;有多种图形用户界面&#xff08;GUI&#xff09;库可以用来创建丰富的图形化应用程序。以下是一些主要的图…

MOS管选型科普

背景 朋友工厂在生产检测BMS的时候&#xff0c;老化测试大电流200A&#xff1b; 现在他们使用的是一款通用电源 价格20W&#xff1b; 找我设计一款恒流源&#xff0c;需求如下&#xff1a; 0~200A电流可调 电压范围和他交流中了解到&#xff0c;电压最大也就1V左右&#x…

程序媛的mac修炼手册-- 终端shell的驾驭 zsh vs bash

进入终端(Terminal)为新下载的应用配置环境&#xff0c;是Mac生产力up up的关键一步&#xff0c;更是编程小白装大神的第一步。Fake it till you make it , 硅谷大神标准路径&#xff5e; shell的基本原理 为应用配置环境&#xff0c;相当于在应用和操作系统间架桥。由此&…

Linux环境vscode clang-format格式化:vscode clang format command is not available

问题现象 vscode安装了clang-format插件&#xff0c;但是使用就报错 问题原因 设置中配置的clang-format插件工具路径不正确。 解决方案 确认本地安装了clang-format工具&#xff1a;终端输入clang-format&#xff08;也可能是clang-format-13等版本&#xff0c;建议tab自…

18|CAMEL:通过角色扮演脑暴一个鲜花营销方案

18&#xff5c;CAMEL&#xff1a;通过角色扮演脑暴一个鲜花营销方案 CAMEL 交流式代理框架 下面我们一起来看看 CAMEL——这个多 AI 通过角色扮演进行交互的框架&#xff0c;以及它在 LangChain 中的具体实现。 CAMEL&#xff0c;字面意思是骆驼。这个框架来自于论文《CAMEL:…

STGAN:用于交通数据插补的时空生成对抗网络

文章地址: STGAN: Spatio-temporal generative adversarial network for traffic data imputation 主要研究问题: 由于硬件故障或数据传输,观测到的交通数据中产生了噪声和缺失条目。这些质量差的数据无疑会降低ITS的性能; 本文贡献: 为交通数据插补任务提出了一种改进…

leetcode13 罗马数字转整数

题目描述&#xff1a;罗马数字由七种字符组成&#xff0c;分别为 I、V、X、L、C、D 和 M&#xff0c;对应的数值分别为 1、5、10、50、100、500 和 1000。在一般情况下&#xff0c;小的数字位于大的数字右边&#xff0c;但有特殊情况&#xff0c;如 IV 表示 4&#xff0c;IX 表…

Spring Cloud之OpenFeign异常处理

简易原理图 原理基于请求头传递错误消息&#xff0c;利用aop和全局异常拦截机制实现。 服务提供者 远程调用本地方法b&#xff0c;throw异常出来FeignExceptionAspect AOP拦截处理异常到请求头中&#xff0c;继续throwGlobalExceptionHandler处理&#xff0c;返回响应Respons…

腾讯云Centos9使用docker的方式安装APISIX

在虚拟机中安装Docker、Docker-compose 安装Docker 清除旧版本的docker yum remove docker docker-client docker-client-latest docker-common docker-latest docker-latest-logrotate docker-logrotate docker-engine 安装docker的依赖 yum install -y yum-utils device-ma…

NE555学习笔记-2024

实物图片 NE555引脚图 内部时序图 示列1&#xff0c;红外接收电路 红外接收电路的工作原理&#xff1a;在上述电路中&#xff0c;TSOP1738构成了该电路的主要组成部分&#xff0c;旨在检测来自任何来源的红外信号。这用于检测38 KHz范围的信号&#xff0c;因此命名为“TSOP173…