opencv的圖像分割與融合技術(shù)

　　圖像閾值化分割是一種傳統(tǒng)的最常用的圖像分割方法，因其實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。它特別適用于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像。它不僅可以極大的壓縮數(shù)據(jù)量，而且也大大簡(jiǎn)化了分析和處理步驟，因此在很多情況下，是進(jìn)行圖像分析、特征提取與模式識(shí)別之前的必要的圖像預(yù)處理過程。

　　圖像閾值化的目的是要按照灰度級(jí)，對(duì)像素集合進(jìn)行一個(gè)劃分，得到的每個(gè)子集形成一個(gè)與現(xiàn)實(shí)景物相對(duì)應(yīng)的區(qū)域，各個(gè)區(qū)域內(nèi)部具有一致的屬性，而相鄰區(qū)域不具有這種一致屬性。這樣的劃分可以通過從灰度級(jí)出發(fā)選取一個(gè)或多個(gè)閾值來實(shí)現(xiàn)。

　　基本原理

　　基本原理是：通過設(shè)定不同的特征閾值，把圖像象素點(diǎn)分為若干類。

　　常用的特征包括：直接來自原始圖像的灰度或彩色特征；由原始灰度或彩色值變換得到的特征。

　　設(shè)原始圖像為f（x，y），按照一定的準(zhǔn)則f（x，y）中找到特征值T，將圖像分割為兩個(gè)部分，分割后的圖像為：

　　若取：b0=0（黑），b1=1（白），即為我們通常所說的圖像二值化。

　　圖像分割的意義：

　　在一幅圖像中，人們常常只對(duì)其中的部分目標(biāo)感興趣，這些目標(biāo)通常占據(jù)一定的區(qū)域，并且在某些特性（如灰度、輪廓、顏色和紋理等）上和臨近的圖像有差別。這些特性差別可能非常明顯，也可能很細(xì)微，以至肉眼察覺不出來。隨著計(jì)算機(jī)圖像處理技術(shù)的發(fā)展，使得人們可以通過計(jì)算機(jī)來獲取和處理圖像信息。圖像識(shí)別的基礎(chǔ)是圖像分割，其作用是把反映物體真實(shí)情況的、占據(jù)不同區(qū)域的、具有不同特性的目標(biāo)區(qū)分開來，并形成數(shù)字特征。圖像分割是圖像識(shí)別和圖像理解的基本前提步驟，圖像分割質(zhì)量的好壞直接影響后續(xù)圖像處理的效果，甚至決定其成敗，因此，圖像分割的作用是至關(guān)重要的。

　　函數(shù)原型

　　1、opencv官方介紹：opencv官方grabcut介紹

　　2、網(wǎng)上童鞋翻譯解釋：學(xué)習(xí)OpenCV——學(xué)習(xí)grabcut算法

　　3、大致內(nèi)容如下：

　　函數(shù)原型：

　　void grabCut（InputArray img， InputOutputArray mask， Rect rect，

　　InputOutputArray bgdModel， InputOutputArray fgdModel，

　　int iterCount， int mode=GC_EVAL ）

　　img：待分割的源圖像，必須是8位3通道（CV_8UC3）圖像，在處理的過程中不會(huì)被修改；

　　mask：掩碼圖像，大小和原圖像一致?？梢杂腥缦聨追N取值：

　　GC_BGD（=0），背景；

　　GC_FGD（=1），前景；

　　GC_PR_BGD（=2），可能的背景；

　　GC_PR_FGD（=3），可能的前景。

　　rect：用于限定需要進(jìn)行分割的圖像范圍，只有該矩形窗口內(nèi)的圖像部分才被處理；

　　bgdModel：背景模型，如果為null，函數(shù)內(nèi)部會(huì)自動(dòng)創(chuàng)建一個(gè)bgdModel；

　　fgdModel：前景模型，如果為null，函數(shù)內(nèi)部會(huì)自動(dòng)創(chuàng)建一個(gè)fgdModel；

　　iterCount：迭代次數(shù)，必須大于0；

　　mode：用于指示grabCut函數(shù)進(jìn)行什么操作?？梢杂腥缦聨追N選擇：

　　GC_INIT_WITH_RECT（=0），用矩形窗初始化GrabCut；

　　GC_INIT_WITH_MASK（=1），用掩碼圖像初始化GrabCut；

　　GC_EVAL（=2），執(zhí)行分割。

　　基本原理：

　　首先用戶在圖片上畫一個(gè)方框，grabCut默認(rèn)方框內(nèi)部為前景，設(shè)置掩碼為2，方框外部都是背景，設(shè)置掩碼為0。然后根據(jù)算法，

　　將方框內(nèi)部檢查出來是背景的位置，掩碼由2改為0。最后，經(jīng)過算法處理，方框中掩碼依然為2的，就是檢查出來的前景，其他為背景。

　　實(shí)例講解1

　　這些例子都主要是根據(jù)opencv自帶的例子：opencvsamplescppgrabcut.cpp 簡(jiǎn)化修改而來。

　　源代碼

　　代碼如下：

　　#include “opencv2/highgui/highgui.hpp”

　　#include “opencv2/imgproc/imgproc.hpp”

　　#include 《iostream》

　　using namespace std;

　　using namespace cv;

　　string filename;

　　Mat image;

　　string winName = “show”;

　　Rect rect;

　　Mat mask;

　　const Scalar GREEN = Scalar（0，255，0）;

　　Mat bgdModel， fgdModel;

　　void setRectInMask（）{

　　rect.x = 110;

　　rect.y = 220;

　　rect.width = 100;

　　rect.height = 100;

　　}

　　static void getBinMask（ const Mat& comMask， Mat& binMask ）{

　　binMask.create（ comMask.size（）， CV_8UC1 ）;

　　binMask = comMask & 1;

　　}

　　int main（int argc， char* argv［］）{

　　Mat binMask， res;

　　filename = argv［1］;

　　image = imread（ filename， 1 ）;

　　mask.create（image.size（）， CV_8UC1）;

　　mask.setTo（GC_BGD）;

　　setRectInMask（）;

　?。╩ask（rect））.setTo（Scalar（GC_PR_FGD））;

　　rectangle（image， Point（rect.x， rect.y）， Point（rect.x + rect.width， rect.y + rect.height ）， GREEN， 2）;

　　imshow（winName， image）;

　　image = imread（ filename， 1 ）;

　　grabCut（image， mask， rect， bgdModel， fgdModel， 1， GC_INIT_WITH_RECT）;

　　getBinMask（mask， binMask）;

　　image.copyTo（res， binMask）;

　　imshow（“result”， res）;

　　waitKey（0）;

　　return 0;

　　}.