opencv学习之路(31)、GrabCut & FloodFill图像分割
一、GrabCut



1、利用Rect做分割
#include "opencv2/opencv.hpp"
using namespace cv; void main()
{
Mat src = imread("E://bird.jpg");
Rect rect(, , , );//左上坐标(X,Y)和长宽
Mat result, bg, fg; grabCut(src, result, rect, bg, fg, , GC_INIT_WITH_RECT);
imshow("grab", result);
/*threshold(result, result, 2, 255, CV_THRESH_BINARY);
imshow("threshold", result);*/ compare(result, GC_PR_FGD, result, CMP_EQ);//result和GC_PR_FGD对应像素相等时,目标图像该像素值置为255
imshow("result",result);
Mat foreground(src.size(), CV_8UC3, Scalar(, , ));
src.copyTo(foreground, result);//copyTo有两种形式,此形式表示result为mask
imshow("foreground", foreground);
waitKey();
}

grab并非是全黑图像,对其使用二值化后能看到低像素值的情况

2、利用mask做分割
#include "opencv2/opencv.hpp"
using namespace cv; void main()
{
Mat src = imread("E://bird.jpg");
//Rect rect(84, 84, 406, 318);
Rect rect;
Mat bgModel, fgModel;
Mat result(src.size(), CV_8U, Scalar());
Mat ROI(result(Rect(, , , )));
ROI.setTo(GC_PR_FGD);//ROI设置为可能是前景 grabCut(src, result, rect, bgModel, fgModel, , GC_INIT_WITH_MASK);
//threshold(result, result, 2, 255, CV_THRESH_BINARY);
imshow("grab", result);
compare(result, GC_PR_FGD, result, CMP_EQ);
//result = result&1;
imshow("result", result);
Mat foreground(src.size(), CV_8UC3, Scalar(, , ));
src.copyTo(foreground, result);
imshow("foreground", foreground); waitKey();
}
二、漫水填充算法——floodFill



#include "opencv2/opencv.hpp"
using namespace cv; void main()
{
Mat src = imread("E://bird.jpg");
imshow("src", src);
Rect rect;
//原图,种子点,新颜色,重绘区域的最小边界矩形,负差,正差
floodFill(src, Point(,), Scalar(, , ), &rect, Scalar(, , ), Scalar(, , ));
imshow("result", src);
waitKey();
}


三、综合应用(代码来自浅墨大神)
#include "opencv2/opencv.hpp"
#include <iostream>
using namespace std;
using namespace cv; Mat g_srcImage, g_dstImage, g_grayImage, g_maskImage;//定义原始图、目标图、灰度图、掩模图
int g_nFillMode = ;//漫水填充的模式
int g_nLowDifference = , g_nUpDifference = ;//负差最大值、正差最大值
int g_nConnectivity = ;//表示floodFill函数标识符低八位的连通值
int g_bIsColor = true;//是否为彩色图的标识符布尔值
bool g_bUseMask = false;//是否显示掩膜窗口的布尔值
int g_nNewMaskVal = ;//新的重新绘制的像素值 static void ShowHelpText()
{
//输出一些帮助信息
printf("\n\n\n\t欢迎来到漫水填充示例程序~\n\n");
printf("\n\n\t按键操作说明: \n\n"
"\t\t鼠标点击图中区域- 进行漫水填充操作\n"
"\t\t键盘按键【ESC】- 退出程序\n"
"\t\t键盘按键【1】- 切换彩色图/灰度图模式\n"
"\t\t键盘按键【2】- 显示/隐藏掩膜窗口\n"
"\t\t键盘按键【3】- 恢复原始图像\n"
"\t\t键盘按键【4】- 使用空范围的漫水填充\n"
"\t\t键盘按键【5】- 使用渐变、固定范围的漫水填充\n"
"\t\t键盘按键【6】- 使用渐变、浮动范围的漫水填充\n"
"\t\t键盘按键【7】- 操作标志符的低八位使用4位的连接模式\n"
"\t\t键盘按键【8】- 操作标志符的低八位使用8位的连接模式\n"
"\n\n\t\t\t\t\t\t\t\t by浅墨\n\n\n"
);
} //鼠标消息onMouse回调函数
static void onMouse(int event, int x, int y, int, void*)
{
// 若鼠标左键没有按下,便返回
if (event != CV_EVENT_LBUTTONDOWN)
return;
//-------------------【<1>调用floodFill函数之前的参数准备部分】---------------
Point seed = Point(x, y);
int LowDifference = (g_nFillMode == ) ? : g_nLowDifference;//空范围的漫水填充,此值设为0,否则设为全局的g_nLowDifference
int UpDifference = g_nFillMode == ? : g_nUpDifference;//空范围的漫水填充,此值设为0,否则设为全局的g_nUpDifference
int flags = g_nConnectivity + (g_nNewMaskVal << ) +
(g_nFillMode == ? CV_FLOODFILL_FIXED_RANGE : );//标识符的0~7位为g_nConnectivity,8~15位为g_nNewMaskVal左移8位的值,16~23位为CV_FLOODFILL_FIXED_RANGE或者0。 //随机生成bgr值
int b = (unsigned)theRNG() & ;//随机返回一个0~255之间的值
int g = (unsigned)theRNG() & ;//随机返回一个0~255之间的值
int r = (unsigned)theRNG() & ;//随机返回一个0~255之间的值
Rect ccomp;//定义重绘区域的最小边界矩形区域 Scalar newVal = g_bIsColor ? Scalar(b, g, r) : Scalar(r*0.299 + g*0.587 + b*0.114);//在重绘区域像素的新值,若是彩色图模式,取Scalar(b, g, r);若是灰度图模式,取Scalar(r*0.299 + g*0.587 + b*0.114) Mat dst = g_bIsColor ? g_dstImage : g_grayImage;//目标图的赋值
int area; //--------------------【<2>正式调用floodFill函数】-----------------------------
if (g_bUseMask)
{
threshold(g_maskImage, g_maskImage, , , CV_THRESH_BINARY);
area = floodFill(dst, g_maskImage, seed, newVal, &ccomp, Scalar(LowDifference, LowDifference, LowDifference),
Scalar(UpDifference, UpDifference, UpDifference), flags);
imshow("mask", g_maskImage);
}
else
{
area = floodFill(dst, seed, newVal, &ccomp, Scalar(LowDifference, LowDifference, LowDifference),
Scalar(UpDifference, UpDifference, UpDifference), flags);
} imshow("效果图", dst);
cout << area << " 个像素被重绘\n";
} void main()
{
system("color 2F");//改变console字体颜色
g_srcImage = imread("E://lena.jpg", );//载入原图
if (!g_srcImage.data) { printf("Oh,no,读取图片image0错误~! \n"); return; }
ShowHelpText(); g_srcImage.copyTo(g_dstImage);//拷贝源图到目标图
//cvtColor(g_srcImage, g_grayImage, COLOR_BGR2GRAY);//转换三通道的image0到灰度图
g_maskImage.create(g_srcImage.rows + , g_srcImage.cols + , CV_8UC1);//利用image0的尺寸来初始化掩膜mask namedWindow("效果图", CV_WINDOW_NORMAL);
//创建Trackbar
createTrackbar("负差最大值", "效果图", &g_nLowDifference, , );
createTrackbar("正差最大值", "效果图", &g_nUpDifference, , );
//鼠标回调函数
setMouseCallback("效果图", onMouse, ); //循环轮询按键
while ()
{
//先显示效果图
imshow("效果图", g_bIsColor ? g_dstImage : g_grayImage);
//获取键盘按键
int c = waitKey();
//判断ESC是否按下,若按下便退出
if ((c & ) == )
{
cout << "程序退出...........\n";
break;
} //根据按键的不同,进行各种操作
switch ((char)c)
{
case '': //如果键盘“1”被按下,效果图在在灰度图,彩色图之间互换
if (g_bIsColor)//若原来为彩色,转为灰度图,并且将掩膜mask所有元素设置为0
{
cout << "键盘“1”被按下,切换彩色/灰度模式,当前操作为将【彩色模式】切换为【灰度模式】\n";
cvtColor(g_srcImage, g_grayImage, COLOR_BGR2GRAY);
g_maskImage = Scalar::all(); //将mask所有元素设置为0
g_bIsColor = false; //将标识符置为false,表示当前图像不为彩色,而是灰度
}
else//若原来为灰度图,便将原来的彩图image0再次拷贝给image,并且将掩膜mask所有元素设置为0
{
cout << "键盘“1”被按下,切换彩色/灰度模式,当前操作为将【彩色模式】切换为【灰度模式】\n";
g_srcImage.copyTo(g_dstImage);
g_maskImage = Scalar::all();
g_bIsColor = true;//将标识符置为true,表示当前图像模式为彩色
}
break;
case ''://显示/隐藏掩膜窗口
if (g_bUseMask)
{
destroyWindow("mask");
g_bUseMask = false;
}
else
{
namedWindow("mask", );
g_maskImage = Scalar::all();
imshow("mask", g_maskImage);
g_bUseMask = true;
}
break;
case ''://恢复原始图像
cout << "按键“3”被按下,恢复原始图像\n";
g_srcImage.copyTo(g_dstImage);
cvtColor(g_dstImage, g_grayImage, COLOR_BGR2GRAY);
g_maskImage = Scalar::all();
break;
case ''://使用空范围的漫水填充
cout << "按键“4”被按下,使用空范围的漫水填充\n";
g_nFillMode = ;
break;
case ''://使用渐变、固定范围的漫水填充
cout << "按键“5”被按下,使用渐变、固定范围的漫水填充\n";
g_nFillMode = ;
break;
case ''://使用渐变、浮动范围的漫水填充
cout << "按键“6”被按下,使用渐变、浮动范围的漫水填充\n";
g_nFillMode = ;
break;
case ''://操作标志符的低八位使用4位的连接模式
cout << "按键“7”被按下,操作标志符的低八位使用4位的连接模式\n";
g_nConnectivity = ;
break;
case ''://操作标志符的低八位使用8位的连接模式
cout << "按键“8”被按下,操作标志符的低八位使用8位的连接模式\n";
g_nConnectivity = ;
break;
}
}
}

opencv学习之路(31)、GrabCut & FloodFill图像分割的更多相关文章
- Opencv学习之路—Opencv下基于HOG特征的KNN算法分类训练
在计算机视觉研究当中,HOG算法和LBP算法算是基础算法,但是却十分重要.后期很多图像特征提取的算法都是基于HOG和LBP,所以了解和掌握HOG,是学习计算机视觉的前提和基础. HOG算法的原理很多资 ...
- OpenCV 学习之路(1)
OpenCV的第一个代码: #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #i ...
- opencv学习之路(41)、人脸识别
一.人脸检测并采集个人图像 //take_photo.cpp #include<opencv2/opencv.hpp> using namespace cv; using namespac ...
- opencv学习之路(40)、人脸识别算法——EigenFace、FisherFace、LBPH
一.人脸识别算法之特征脸方法(Eigenface) 1.原理介绍及数据收集 特征脸方法主要是基于PCA降维实现. 详细介绍和主要思想可以参考 http://blog.csdn.net/u0100066 ...
- opencv学习之路(39)、PCA
一.PCA理论介绍 网上已经有许多介绍pca原理的博客,这里就不重复介绍了.详情可参考 http://blog.csdn.net/zhongkelee/article/details/44064401 ...
- opencv学习之路(38)、Mat像素统计基础——均值,标准差,协方差;特征值,特征向量
本文部分内容转自 https://www.cnblogs.com/chaosimple/p/3182157.html 一.统计学概念 二.为什么需要协方差 三.协方差矩阵 注:上述协方差矩阵还需要除以 ...
- opencv学习之路(37)、运动物体检测(二)
一.运动物体轮廓椭圆拟合及中心 #include "opencv2/opencv.hpp" #include<iostream> using namespace std ...
- opencv学习之路(36)、运动物体检测(一)
一.简介 二.背景减法 图片说明 #include "opencv2/opencv.hpp"using namespace cv; void main() { Mat img1 = ...
- opencv学习之路(35)、SURF特征点提取与匹配(三)
一.简介 二.opencv中的SURF算法接口 三.特征点匹配方法 四.代码 1.特征点提取 #include "opencv2/opencv.hpp" #include < ...
随机推荐
- Excel条件格式
任务需求,将Excel中年龄为90后出生的人员筛选出来,并将重复的人员数据删除. 一.Excel去重 选中表格数据->数据->删除重复值 此时弹出对话框,选择去重列. 点击确定即可. 二. ...
- E - Closest Common Ancestors
Write a program that takes as input a rooted tree and a list of pairs of vertices. For each pair (u, ...
- JAVA课后作业01
一.关于枚举的问题 public class EnumTest { public static void main(String[] args) { Size s=Size.SMALL; Size t ...
- js substr和substring
substr(start[,end]) 字符串截取 start从那里裁,end裁切为数 substring(start[,end = str.length]) // start和end会先处理数值较大 ...
- JBPM工作流(四)——管理流程定义
概念: ProcessDefinition,流程定义:一个流程的步骤说明,如一个请假流程.报销流程.是一个规则. ProcessDefinition,流程定义对象,是解析.jpdl.xml文件得到流程 ...
- python 获取本机ip
有的设备上,有host相关配置,或者网络环境特殊,导致从hostname获取ip不符合预期. 如下函数整合了多种获取ip的方式,大部分情况都可涵盖,一般情况下可以满足需求~ 核心是创建一个UDP协议下 ...
- 二叉查找树,AVL树,伸展树【CH4601普通平衡树】
最近数据结构刚好看到了伸展树,在想这个东西有什么应用,于是顺便学习一下. 二叉查找树(BST),对于树上的任意一个节点,节点的左子树上的关键字都小于这个节点的关键字,节点的右子树上的关键字都大于这个节 ...
- PHP实现数组中每个字符出现次数最多的,并且如果两个字符出现相同,则在前面的先输出功能
$arr = ['a', 'b', 'a', 'e', 'g', 'g', 'a']; $count_per_values = array_count_values($arr); $res = []; ...
- PrimeNG之FileUpload
--文件上传是一个支持拖放,多文件上传,自动上传,进度跟踪和验证的上传. Import import {FileUploadModule} from 'primeng/primeng'; Gettin ...
- GreenDao开源ORM框架浅析
版权声明:本文为博主原创文章,未经博主同意不得转载. https://blog.csdn.net/u011133213/article/details/37738943 Android程序开发中,避免 ...