C#描述-计算机视觉OpenCV（4）：图像分割
- 前言
- 用 GrabCut 算法分割图像
- 实例展示
前言
本文中如果有什么没说明的地方，大概率在前文中描述过了。
C#描述-计算机视觉OpenCV（1）：基础操作
C#描述-计算机视觉OpenCV（2）：图像处理
C#描述-计算机视觉OpenCV（3）：重映射
上一章节我们通过波形来分析了图像，那么图像中的背景与主体在波形上会有怎样的呈现呢？
for (int k = 120; k < 400; k++)
{
int r = 390;
XList4.Add(k);
YList4.Add(img.At<Vec3b>(r, k)[1]);
chart2.Series["Green"].Points.DataBindXY(XList4, YList4);
XList5.Add(k);
YList5.Add(img.At<Vec3b>(r, k)[2]);
chart2.Series["Blue"].Points.DataBindXY(XList5, YList5);
XList6.Add(k);
YList6.Add(img.At<Vec3b>(r, k)[0]);
chart2.Series["Red"].Points.DataBindXY(XList6, YList6);
img.At<Vec3b>(r, k)[0] = 0;
img.At<Vec3b>(r, k)[1] = 0;
img.At<Vec3b>(r, k)[2] = 0;//检测线标记
}
我们标记一条检测线并示波
色彩波形结果：
这种差别以为着我们可以通过数值的变化来捕捉图片中的物体，并且做出分割。
用 GrabCut 算法分割图像
物体通常有自己特有的颜色，通过识别颜色接近的区域，通常可以提取出这些颜色。OpenCV 提供了一种常用的图像分割算法，即 GrabCut 算法。GrabCut 算法比较复杂，计算量也很大，但结果通常很精确。如果要从静态图像中提取前景物体（例如从图像中剪切一个物体，并粘贴到另一幅图像），最好采用GrabCut 算法。
算法参数模型：
cv::Mat result; // 分割结果（四种可能的值）
cv::Mat bgModel,fgModel; // 模型（内部使用）
// GrabCut 分割算法
cv::grabCut(
image, // 输入图像
mask, // 分割结果
rectangle, // 包含前景的矩形
bgModel,fgModel, // 模型
X, // 迭代次数
cv::GC_INIT_WITH_RECT // 使用矩形
);
首先我们开出需要的模型：
Mat mask = new Mat();
Mat res = new Mat();
Mat bgM = new Mat();
Mat fgM = new Mat();
然后我们定义一个检测矩形区域：
Rect rectangle;
rectangle = new Rect(int X,int Y,int Width,int Height);
然后我们可以代入一个图像，使用GrabCut()方法，
Cv2.GrabCut(image, mask, rectangle, bgM, fgM, 5, GrabCutModes.InitWithRect);
并获得一个结果Mat类 mask。需要注意：这个mask可不代表分割完成的结果。
我们在函数的中用 InitWithRect 标志作为最后一个参数，表示将使用
带边框的矩形模型。矩形中输入/输出的分割图像可以是以下四个值之一。
1.GC_BGD：这个值表示明确属于背景的像素（例如本例中矩形之外的像素）。
2.GC_FGD：这个值表示明确属于前景的像素（本例中没有这种像素）。
3.GC_PR_BGD：这个值表示可能属于背景的像素。
4.GC_PR_FGD：这个值表示可能属于前景的像素（即本例中矩形之内像素的初始值）
也就是说我们的mask是一个判断是否为主题的结果的矩阵，我们还需要来操作读取才能完成图像分割，那么具体该如何操作呢？
实例展示
原图如下：
我们选取区域(200, 45, 150, 400)来做切割，这里面主体与背景非常清晰。
public void ColorDetector(Mat image)
{
Mat mask = new Mat();
Mat res = new Mat();
Mat bgM = new Mat();
Mat fgM = new Mat();
Rect rectangle;
rectangle = new Rect(200, 45, 150, 400);
Cv2.GrabCut(image, mask, rectangle, bgM, fgM, 5, GrabCutModes.InitWithRect);
Mat result = new Mat(mask.Rows, mask.Cols, MatType.CV_8UC1);
for (int i = 0; i < mask.Rows; i++)
{
for (int j = 0; j < mask.Cols; j++)
{
byte v = mask.Get<byte>(j, i);
switch (v)
{
case 0:
result.Set<byte>(j, i, 0);
break;
case 1:
result.Set<byte>(j, i, 255);
break;
case 2:
result.Set<byte>(j, i, 50);
break;
case 3:
result.Set<byte>(j, i, 200);
break;
}
}
}
Cv2.ImShow("grab", result);
}
我们划分出四个结果类型的区域，来看看分割的是否准确：
通过色块可以看到，我们还是切割出来了的，找到我们需要的色块类型，进行还原，并将其他色块统一：
for (int i = 0; i < mask.Rows; i++)
{
for (int j = 0; j < mask.Cols; j++)
{
byte v = mask.Get<byte>(j, i);
switch (v)
{
case 0:
result.Set<byte>(j, i, 0);
break;
case 1:
result.Set<byte>(j, i, 0);
break;
case 2:
result.Set<byte>(j, i, 0);
break;
case 3:
result.At<Vec3b>(j, i)[0] = image.At<Vec3b>(j, i)[0];
result.At<Vec3b>(j, i)[1] = image.At<Vec3b>(j, i)[1];
result.At<Vec3b>(j, i)[2] = image.At<Vec3b>(j, i)[2];
//result.Set<byte>(j, i, 200);
break;
}
}
}
分割成功！
