【正文】 用來管理文檔邊框窗口、視窗口、工具條、菜單、加速鍵等，協(xié)調(diào)半模式狀態(tài)。 ⑤ 視 圖 視類從 CView 或它的派生類派生。應(yīng)用程序通過文檔模板類對象來管理上述對象（應(yīng)用程序?qū)ο?、文檔對象、主邊框窗口對象、文檔邊框窗口對象、視對象）的創(chuàng)建。文檔框架窗口從CMdiChildWnd 派生，文檔框架窗口包含視，視從 CView 或其派生類派生 [4,9]。 GDI+介紹 GDI+是一個庫，它提供了一個接口，此接 口允許程序員編寫與打印機，監(jiān)視器或文件等圖形設(shè)備進(jìn)行交互的 Windows 和 Web 圖形應(yīng)用程序。此組件將轉(zhuǎn)換和傳送由程序發(fā)送到設(shè)備的數(shù)據(jù)，以及由設(shè)備發(fā)送到程序的數(shù)據(jù)。例如，一條直線可用兩個點指定，一個矩形可用給出其左上角位置的點和它的寬度與高度的數(shù)值來指定。 ② 顯示圖像 [7,2] 某些圖像難以或不可能使用矢量圖形技術(shù)來表示。位圖是代表屏幕上單個點的顏色的數(shù)字陣列。 GDI+為這一復(fù)雜任務(wù)提供了大量的函數(shù)來完成各種不同風(fēng)格的文本輸出。 四川大學(xué)本科畢業(yè)論文 基于圖像分割的簡單圖像摳取算法的研究與實現(xiàn) 15 OPENGL 簡介 OpenGL 是圖形硬件的一個軟件接口。 OpenGL 工作流程 OpenGL 的工作流程如下圖示： 圖 33 在上圖中幾何頂點數(shù)據(jù)可以是頂點，線或者多邊形集等，這些數(shù)據(jù)會首先經(jīng)過運算器，再逐個圖元進(jìn)行操作，最后光柵化，再逐個片元處理直到最后寫入幀緩沖區(qū)中。 OpenGL 對所有的幾何圖元都采用頂點來描述，這是為了方便使用運算器來方便的進(jìn)行計算。 整個流程操作的最后，圖形片元都要進(jìn)行一系列的逐個片元操作，這樣最后的象素值才能 送入幀緩沖器實現(xiàn)圖形的顯示。 4）把景物模型的數(shù)學(xué)描述及其色彩信息轉(zhuǎn)換至計算機屏幕上的象素，這個過程也就是光柵化（ rasterization） [9]。圖像分割可以當(dāng)作一個二元標(biāo)記問題，每一個 Vi? ，有唯一的一個 ?ix {前景為１，背景為０ }與之對應(yīng)。 E2 定義為與梯度相關(guān)的一個函數(shù)： ? ? ? ? 2|| ||ijC C i C j?? (45) E2 的作用是減少在顏色相近的像素之間，存在標(biāo)記變化的可能，即使其只發(fā)生在邊界上。而 GrabCut算法綜合利用了紋理及邊界兩種信息來實現(xiàn)圖像分割。 四川大學(xué)本科畢業(yè)論文 基于圖像分割的簡單圖像摳取算法的研究與實現(xiàn) 18 GrabCut 方法在 GraphCuts 方法的基礎(chǔ)上作了以下幾方面的改進(jìn)所得到的：第一，利用高斯混合模型 (Gaussian Mixture Model， GMM)取代直方圖來描述前景與背景像素的分布，由對灰度圖像的處理上升到對彩色圖像的處理；第二，利用迭代方法求取高斯混合模型中的各個參數(shù)替代了一次最小化估計來完成能量最小化的計算過程；第三，通過非完全標(biāo)記方法，減少了用戶在交互過程中的工作量，用戶只需利用矩形框標(biāo)記出背景區(qū)域即可[11]． GrabCut 算法準(zhǔn)備 高斯混合模型介紹 高斯混合模型（ Gaussian mixture model，簡稱 GMM）是單一高斯機率密度函數(shù)的延伸 ,是一種描述實際數(shù)據(jù)的有效工具 .在數(shù)據(jù)分析和信號處理等領(lǐng)域有著廣泛的應(yīng)用 . 高斯混合模型 在高斯分量的個數(shù) k給定的前提下，已經(jīng)有比較成熟的建?；蚬烙嫹椒?。 , 。 ,j j jjg x uxg x u g x u???? ? ? ???? 再使用以下 3個公式不斷進(jìn)行參數(shù)更新 ： 四川大學(xué)本科畢業(yè)論文 基于圖像分割的簡單圖像摳取算法的研究與實現(xiàn) 19 ? ?? ?11nj i iij njiixxux??????? (410) ? ? ? ? ? ?? ?2 111n Tj i i j i jij njiix x u x ud x?????????? (411) ? ?11 , 1, 2 ,nj j ii xjn?????? (412) 直到高斯函數(shù)的參數(shù)和權(quán)重（ 1? , 2? ）到達(dá) 可以 接受的變化 或者出現(xiàn)穩(wěn)定的情況 就可以了 。 4) 索引值 :表示該像素屬于前景或背景混合高斯模型中的那一個 ,實際上就是指該像素是屬于前景或背景像素的那一個像素 聚 類 。 另外 ,在 GraubCut 算法中混合高斯模型針對于前景背景都 分另需要 k 個模型 ,實際上 就是將前景像素和背景像素分別劃分到了 k 個聚 類 ,再根據(jù)各個聚 類 中像素分別計算出混合高斯模型中的各個屬性值 ,這些屬性有 : 1) 顏色均值 :是一個 Color 型變量 ,根據(jù)聚 類 內(nèi)所有像素的顏色值計算得到 。這 種變化就造成了一些像素的劃分信息從 PartitionForeground變?yōu)?PartitionBackground,當(dāng)然也會有一些像素出現(xiàn)相反的變化 .當(dāng)這些變化發(fā)生后 ,就需要 將前景摳圖區(qū)域中的每個像素重新分配到該像素“更適合”的高斯組件中去。Nlink描述了在相鄰像素間放置一個分段邊界的處罰值 ,這個處罰值就是一個對放置這個分段邊界的衡量值 ,這個值在梯度低的位置較高 ,而在梯度高的位置較低 .Nlink的值在整個算法的計算過程中是不變的 ,所以在開始計算一次就行 .而 Tlink的值描述了一個像素分別屬于前景和背景的可能性 ,這個值會隨著算法的進(jìn)行或迭代而發(fā)生改變 [13,3]. Nlink的值可通過下式進(jìn)行計算 : ? ? ? ? ? ?2, e x p ( 4 1 3 ), mnd is t z zN m n d is t m n ?? ??? 其中 ? ?,dist mn 表示像素 m,n間的距離 ,而 ? ?,2 mndist z z表示的時像素 m,n顏色的差值 , mz , nz 分別表示 m,n處的顏色 , ? 取值一般為 50. 對于每一個像素都有兩個 Tlink值一個表示其是背景像素的可能性 ,另一個則表示其是前景像素的可能性 .下表表示兩值的生成方式 : 像素類型 前景區(qū)域 0 m_L 背景區(qū)域 m_L 0 未知區(qū)域 DFore(m) DBack(m) 表 41 DFore和 DBack分別表示了像素屬于前景和背景區(qū)域的可能性 ,它們的值可通過以下方式得到 : ? ? ? ?? ?lo gD m p m?? (414) ? ?pm為根據(jù)前景或背景的高斯混合模型計算出的其位于該高斯混合模型的可能 性 . 算法流程介紹 GrabCut 算法主要就是在以上三個步驟進(jìn)行反復(fù)迭代，從而便算法達(dá)到收斂，進(jìn)而得到分割結(jié)果。相似地，把背景摳圖區(qū)域中的每個像素重新分配到該像素“更適合”的高斯組件中去。 (2)初始化劃分信息 : 將用戶用矩形框選取的目標(biāo)區(qū)域初始化為前景劃分即初始化為PartitionForeground,將圖像的剩余區(qū)域初始化為 PartitionBackground。 5) 標(biāo)簽值 :這個值標(biāo)記了該像素是屬于那一個塊 ,這兒對象的劃分是根據(jù) GrabCut 的劃分結(jié)果再進(jìn)行的進(jìn)一步劃分 。 2) 三分圖信息 :即標(biāo)定該像素是屬于那一個區(qū)域 ,整個圖像的像素都會被劃分到三個區(qū)域即前景區(qū)域 ,背景區(qū)域 ,以及未知區(qū)域 ,用一個枚舉來表示 ,即 enum AreaValue { AreaUnknown, AreaForeground, AreaBackground }。, ( 4 9 )。這樣就可將其看成一個二分類問題 ,而 高斯混合在處理二分類問題時其概率參數(shù)可用如下方法估算 : 首先高斯密度函數(shù)可表示為 : ? ? ? ? ? ? ? ?/22 2。是一種比較有前途的交互式分割算法。其分割準(zhǔn)確度與算法執(zhí)行效率較高，且交互操作量極少。首先用 KMean 方法將 F， B 的節(jié)點聚類，計算每一個類的平均顏色， }{FnK 代表所有前景類的平均顏 色集合，背景類是 }{BnK 。另外，景物光柵化之后被送入幀緩沖器之前還可以根據(jù)需要對象素數(shù)據(jù)進(jìn)行操作。 2）把景物模型放在三維空間中的合適的位置，并且設(shè)置視點（ viewpoint）以觀察所感興趣的景觀。然后才能很好的進(jìn)行光柵化操作形成細(xì)小的圖形。圖像數(shù)據(jù)與幾何頂點數(shù)據(jù)在后期的處理過程是一致的，而在前面的處理中，圖像數(shù)據(jù)不經(jīng)過運算器，也不會進(jìn)行單個圖元的操作，它只是完成圖像操作。對象被描述為一系列的頂點（用來定義幾何對象）或像素（用來定義圖像）。 2） 名字空間 GDI+，將在名字空間 Gdiplus 下面進(jìn)行工作，因此， 在 應(yīng)用程序必須聲明 [7,4]。所以，在 GDI+中就有幾個類用于處理這些復(fù)雜的位圖信息， CachedBitmap(緩存位圖 )類就是一個例子，該類用于在內(nèi)存中存儲位圖以便快速訪問和顯示位圖。一幅包含一個擁擠的足球場的高辨率數(shù)字圖像更難用矢量技術(shù)創(chuàng)建。貝塞爾曲線是一種用 4 個控制點來指點的復(fù)雜曲線。 GDI+讓程序員在設(shè)計程序時不用考慮到 具體的顯示器或打印機，直接使用由 GDI+提供的類的方法便可以在顯示器或打印機等輸出設(shè)備上進(jìn)行圖形或文本的輸出，真正做到與設(shè)備無關(guān) [6,3]。不過程序和設(shè)備之間并不直接進(jìn)行通信，否則，就必須為與程序交互的每臺設(shè)備編寫用戶接口代碼 [6,1]。 在 Windows 操作系統(tǒng)下，絕大多數(shù)具備圖形界面的應(yīng)用程序都離不開 GDI，我們利用 GDI 所提供的眾多函數(shù)就可以方便的在屏幕、打印機及其它輸出設(shè)備上輸出圖形，文本等操作。 四川大學(xué)本科畢業(yè)論文 基于圖像分割的簡單圖像摳取算法的研究與實現(xiàn) 13 圖 32 所示的類都是從 CObject 類派生出來的；所有處理消息的類都是從 CCmdTarget類派生的。 ⑥ 文檔模板 文檔模板類一般不需要派生。 ④ 文檔 文檔類從 CDocument 類派生，用來管理數(shù)據(jù)，數(shù)據(jù)的變化、存取都是通過文檔實現(xiàn)的。SDI的窗口類是從 CFrameWnd派生而來，而 MDI的窗口類則分別是從 CMDIFrameWnd和 CChildWnd 派生而來 [4,8]。 ① 應(yīng)用程序 四川大學(xué)本科畢業(yè)論文 基于圖像分割的簡單圖像摳取算法的研究與實現(xiàn) 12 應(yīng)用程序類派生于 CWinApp。 1）構(gòu)成應(yīng)用程序的對象 圖 31 解釋了該應(yīng)用程序的結(jié)構(gòu)，箭頭表示信息流向。例如，繼承時，應(yīng)用程序特定的事件由程序員的派生類來處理，不感興趣的由基類處理。四川大學(xué)本科畢業(yè)論文 基于圖像分割的簡單圖像摳取算法的研究與實現(xiàn) 11 同時， MFC 支持對底層 API 的直接調(diào)用 [4,4]。又如，為了實現(xiàn)對 DLL 編程的支持和多線程編程的支持 ， MFC 的內(nèi)部同樣必須采 用一些內(nèi)部約定的方法對其進(jìn)行如初始化，信息管理，句柄獲取等一系列必須的操作進(jìn)行處理。這使得用戶的整個開發(fā)過程大部分的工作都用于對這些開發(fā)模板的使用以及調(diào)配。 這些類大多都是從 CObject 和 CCmdTarget 派生而來 .CObject 類對一些 重要的特性 提供很好的實現(xiàn) ， 這些特性 包括動態(tài)類信息、動態(tài)創(chuàng)建、對象序列化、對程序調(diào)試的支持 ,而 CCmdTarget 通過封裝一些屬性和方法，提供了消息處理的架構(gòu)。 ④ 對 ODBC 功能的封裝 以少量的能提供與 ODBC 之間更高級接口的 C++類，封裝了 ODBC API 的大量的復(fù)雜的工作，提供了一種數(shù)據(jù)庫編程模式 。于是 MFC 把許多類似的處理 用一些類 封裝起來，替程序員完成這些工作 ，以提高編碼的效率 。具體的分述如下 [4,2]： ① 對 Win32 應(yīng)用程序編程接口的封裝 用一個 C++ Object 來包裝一個 Windows Object。因為總體上， MFC 框架定義了應(yīng)用程序的輪廓，并提供了用戶接口的標(biāo)準(zhǔn)實現(xiàn)方法，程序員所要做的就 是通過預(yù)定義的接口把具體應(yīng)用程序特有的東西填入這個輪廓。 MFC框架很好的完成了算法實現(xiàn)系統(tǒng)的界面顯示以及用戶交互等工作。通過迭代計算， PCNN 的神經(jīng)元產(chǎn)生的脈沖輸出的時間序列。 PCNN 的是一個二維神經(jīng)網(wǎng)絡(luò)。 1989 年， Eckhorn 介紹了神經(jīng)網(wǎng)絡(luò)模型來模擬貓的視皮層機制?；谏窠?jīng)網(wǎng)絡(luò)的分割是用一個或一系列四川大學(xué)本科畢業(yè)論文 基于圖像分割的簡單圖像摳取算法的研究與實現(xiàn) 8 人工神經(jīng)網(wǎng)絡(luò)對圖像中的