影像分割

詳細描述

類
類	cv::segmentation::IntelligentScissorsMB
	智慧剪刀影像分割。 更多...

函式
void	cv::grabCut (InputArray img, InputOutputArray mask, Rect rect, InputOutputArray bgdModel, InputOutputArray fgdModel, int iterCount, int mode=GC_EVAL)
	執行 GrabCut 演算法。
void	cv::watershed (InputArray image, InputOutputArray markers)
	使用分水嶺演算法執行基於標記的影像分割。

函式文件

grabCut()

void cv::grabCut	(	InputArray	img,
		InputOutputArray	mask,
		Rect	rect,
		InputOutputArray	bgdModel,
		InputOutputArray	fgdModel,
		int	iterCount,
		int	mode = GC_EVAL )

Python
	cv.grabCut(	img, mask, rect, bgdModel, fgdModel, iterCount[, mode]	) ->	mask, bgdModel, fgdModel

#include <opencv2/imgproc.hpp>

執行 GrabCut 演算法。

該函式實現了 GrabCut 影像分割演算法。

引數

img	輸入 8 位 3 通道影像。
mask	輸入/輸出 8 位單通道掩碼。當 mode 設定為 GC_INIT_WITH_RECT 時，該掩碼由函式初始化。 它的元素可能具有 GrabCutClasses 之一。
rect	包含分割物件的 ROI。 ROI 外部的畫素被標記為“明顯背景”。 該引數僅在 mode==GC_INIT_WITH_RECT 時使用。
bgdModel	背景模型的臨時陣列。 處理同一影像時請勿修改它。
fgdModel	前景模型的臨時陣列。 處理同一影像時請勿修改它。
iterCount	演算法在返回結果之前應進行的迭代次數。 請注意，可以使用 mode==GC_INIT_WITH_MASK 或 mode==GC_EVAL 的進一步呼叫來改進結果。
mode	可以是 GrabCutModes 之一的操作模式

watershed()

void cv::watershed	(	InputArray	image,
		InputOutputArray	markers )

Python
	cv.watershed(	image, markers	) ->	markers

#include <opencv2/imgproc.hpp>

使用分水嶺演算法執行基於標記的影像分割。

該函式實現了分水嶺的一種變體，非引數的基於標記的分割演算法，描述於 [193] 中。

在將影像傳遞給該函式之前，您必須在影像標記中使用正數 (>0) 索引大致勾勒出所需的區域。 因此，每個區域表示為一個或多個畫素值為 1、2、3 等的連線元件。 可以使用 findContours 和 drawContours 從二進位制掩碼中檢索此類標記（請參見 watershed.cpp 演示）。 這些標記是未來影像區域的“種子”。 markers 中所有其他畫素，其與勾勒區域的關係未知，應由演算法定義，應設定為 0。 在函式輸出中，markers 中的每個畫素都設定為“種子”元件的值，或者設定為區域之間的邊界處 -1。

注意

任何兩個相鄰的連線元件不一定被分水嶺邊界（-1 的畫素）分隔； 例如，它們可以在傳遞給函式的初始標記影像中相互接觸。

引數

image	輸入 8 位 3 通道影像。
markers	標記的輸入/輸出 32 位單通道影像（地圖）。 它應與 image 具有相同的大小。

另請參見

findContours