【正文】 這個(gè)過(guò)程可以通過(guò)簡(jiǎn)單地將每個(gè)像素的像素值代入高斯方程進(jìn)行估算。這個(gè)值是 GMM 學(xué)習(xí)的關(guān)鍵 。 , ( 4 7 )p x g x u g x u? ? ? ?? ? ? 此機(jī)率密度函數(shù)的參數(shù)為 ( 1? , 2? ,1u ,2u , 21? , 22? ),而 1? , 2? 要滿足以下條件 : 1? + 2? = 1 (48) 在計(jì)算中還需要引入假設(shè) ： ? ? ? ?? ? ? ?2221 1 1 2 2 2。 GrabCut算法是在 GraphCuts算法的基礎(chǔ)上進(jìn)行改進(jìn)，讓其具有分割精度高，交互式操作少的優(yōu) 點(diǎn)，并將分割從灰度圖像推廣到了彩色圖像領(lǐng)域．完成更為復(fù)雜的處理適用度。所有的 ix 集合 X 可以通過(guò)最小化 Gibbs 能量 E(X)獲得 [10,1]： ? ? ? ? ? ? ? ?12, ,i i ji V i jE x E x E x x???????? (41) 同樣的，根據(jù)用戶畫的曲線，我們有前景節(jié)點(diǎn)集 Ｆ 和背景節(jié)點(diǎn) Ｂ ，未知節(jié)點(diǎn)集 U。 OpenGL 圖形操作步驟 OpenGL 的圖形基本操作步驟如下： 1）根據(jù) 基本圖形單元建立景物模型，并且對(duì)所建立的模型進(jìn)行數(shù)學(xué)描述（ OpenGL 中把：點(diǎn)、線、多邊形、圖像和位圖都作為基本圖形單元）。而圖像像素?cái)?shù)據(jù)則主要包括的是像素和位圖集等。 GDI+對(duì)文本的一個(gè)重要支持，就是文本的反鋸齒 (AntiAlias)輸出，這也是 GDI+的一個(gè)新特色，該特色使得在 LCD 屏幕上繪制文 本時(shí)文本的外觀更加光滑。例如，工具欄的按鈕圖標(biāo)就很難使用直線和曲線的集合來(lái)表示。這個(gè)組件就是 GDI+庫(kù) [6,2]。 GDI+介紹 GDI 簡(jiǎn)介 [5] GDI 是 Graphics Device Interface 的縮寫，即圖形設(shè)備接口，它的主要任務(wù)是處理系統(tǒng)與繪圖程序之間的系統(tǒng)交換，處理 Windows 程序的圖形輸出。視和文檔聯(lián)系在一起，在文檔和用戶之間起中介作用，即視在屏幕上顯示文檔的內(nèi)容，并把用戶輸入轉(zhuǎn)換成對(duì)文檔的操作。 ② 邊框窗口 MDI 與 SDI 應(yīng)用程序的窗口類并不一樣， MDI 是由 CMainFrame 和 CChildFrame構(gòu)成，而 SDI 應(yīng)用程序的窗口類則只有 。 這些文件 可 分 為 四類：頭文件（ .h），實(shí)現(xiàn)文件 (.cpp)，資源文件 (.rc)，模塊定義文件 (.def)，等 [4,6]。 總之， MFC 封裝了 Win32 API，OLE API， ODBC API 等底層函數(shù)的功能，并提供更高一層的接口，簡(jiǎn)化了 Windows 編程。 這樣 MFC 框架就能夠完成用戶所期望的處理效果 . 4） MFC 的宏觀框架體系 MFC 對(duì)一切用于更好的使用戶進(jìn)行應(yīng)用程序開發(fā)的功 能 ,動(dòng)態(tài)約束 ,及它們間的一些關(guān)系與相互作用都進(jìn)行了很好的封裝。 而這一套接口的實(shí)現(xiàn)又極為繁瑣，因此， MFC 的 OLE 類 對(duì) OLE API 大量的復(fù)雜工作 進(jìn)行了封裝 ，這些類提供了實(shí)現(xiàn) OLE 的更高級(jí)接口 [4,3]。這樣這些類庫(kù)就可以對(duì) Win32 應(yīng)用程序編程接口，應(yīng)用程序概念， OLE 特性， ODBC 或 DAO 數(shù)據(jù) 庫(kù)訪問(wèn)等功能進(jìn)行封裝。 四川大學(xué)本科畢業(yè)論文 基于圖像分割的簡(jiǎn)單圖像摳取算法的研究與實(shí)現(xiàn) 9 3 算法實(shí)現(xiàn)的工具及技術(shù)簡(jiǎn)介 在 GrabCut 算法的實(shí)現(xiàn)過(guò)程中，整個(gè)算法的實(shí)現(xiàn)都是建立在 MFC 框架之上的。在過(guò)去的十年中，PCNNs 已被用于圖像處理的各種應(yīng)用，包括：圖像分割，特征生成，面部提取，運(yùn)動(dòng)檢測(cè)，區(qū)域生長(zhǎng)，減少噪聲等。神經(jīng)網(wǎng)絡(luò)技術(shù)在圖像分割中的應(yīng)用目前也有了極大的發(fā)展。 (3) F 通常具有某種自相似形式，可能是近似的或統(tǒng)計(jì)的。 ③ 對(duì)單一邊緣僅有唯一響應(yīng)，即單個(gè)邊緣產(chǎn)生多個(gè)響應(yīng)的效率應(yīng)該比較低，并且虛假邊緣的響應(yīng)應(yīng)該得到最大的抑制。 而基于線的檢測(cè)有兩種方式，一種是利用線檢測(cè)模板進(jìn)行線檢測(cè)，另外是利用哈夫變換進(jìn)行直線檢測(cè)。如果這個(gè)值很大，則表示這個(gè)邊界的強(qiáng)度很大，即這兩個(gè)相鄰的區(qū)域擁有著很大的差異，則不需要進(jìn)行合并，它們的邊界也就不能消除，反之，若這個(gè)值較小，則認(rèn)為相鄰區(qū)域擁有很高的相似度，可以起先邊界消除完成合并。再對(duì)種子點(diǎn)周圍的領(lǐng)域進(jìn)行考查，找出具有相似性的像素，將其規(guī)為種子點(diǎn)所在的區(qū)域。閾值分割法，也可以看成是一個(gè)分類問(wèn)題，比如單閾值分割中，相當(dāng)于把所有象素點(diǎn)分成兩類：目標(biāo)和背景。并且隨著計(jì)算機(jī)應(yīng)用范圍的增加，一些新的圖像分割的應(yīng)用領(lǐng)域也會(huì)慢慢誕生出來(lái)。圖像分割是一個(gè)經(jīng)典的難題 ,到目前為止即不存在一種通用的圖像分割方法 ,也不存在一種判斷是否分割成功的標(biāo)準(zhǔn) . 按照?qǐng)D像分割的定義 ,分割出的區(qū)域需要同時(shí)滿足均勻性和連通性的條件。 第四章為 GrabCut 圖像分割方法簡(jiǎn)介。 此外， 可牛影像 具有補(bǔ)光、柔和等 6 大自動(dòng)修復(fù)能力，素描、黑白、懷舊等數(shù)十種另類效果， 以及其他一些延伸功能的實(shí)現(xiàn)使得其具有了全套的照片的編輯功能。對(duì)于一般的去背景需求 ， KnockOut的處理效果都及為準(zhǔn)確，快速，且其需要的操作方便，容易。 (3)光影魔術(shù)手 光影魔術(shù)手是國(guó)內(nèi) 比較受 歡迎的圖像處理軟件 ，曾 被 很多主流期刊評(píng)為最佳圖像處理軟件 。然而由于其功能異常強(qiáng)大使得并不是大部分用戶都能在短時(shí)間內(nèi)流利的使用其一些簡(jiǎn)單功能。這些圖像處理軟四川大學(xué)本科畢業(yè)論文 基于圖像分割的簡(jiǎn)單圖像摳取算法的研究與實(shí)現(xiàn) 2 件中 ,要么一些軟件過(guò)于大型專業(yè)， 雖然提供了異常強(qiáng)大的功能 ,卻 讓初學(xué)者望而卻步，讓專業(yè)人士效率不高；要么 只是提供一項(xiàng)或幾項(xiàng)簡(jiǎn)單的服務(wù) ,只是為了大量普通用戶才設(shè)計(jì)出爐的 過(guò)于傻瓜， 而 功能太過(guò)簡(jiǎn)單，創(chuàng)意難以得到有 效發(fā)揮，產(chǎn)品品質(zhì)和處理速度也良莠不齊。這樣一個(gè)好的圖像分割算法的實(shí)現(xiàn)成果，就會(huì)變得極為有意義。然而現(xiàn)在存在的一些專業(yè)圖像處理軟件并沒能夠很好的解決大部分用戶的一些極為簡(jiǎn)單的需求。綜述了GrabCut 算法的實(shí)現(xiàn)過(guò)程，并且介紹了根據(jù)算法摳取出來(lái)的感興趣目標(biāo)與背景所實(shí)現(xiàn)目標(biāo) /背景保存，目標(biāo)圖像簡(jiǎn)單變換，目標(biāo)背景替換等一系列輔助功能的完成方法。因此一個(gè)簡(jiǎn)單的，智能的進(jìn)行目標(biāo)摳取的軟件是極為必要的。 Background replace 四川大學(xué)本科畢業(yè)論文 基于圖像分割的簡(jiǎn)單圖像摳取算法的研究與實(shí)現(xiàn) 目 錄 1 緒論 ................................................. 1 ..................................... 1 圖像摳取軟件及成果的現(xiàn)狀 ................................. 1 綜合化的圖像處 理軟件 .............................................. 2 單一化的圖像處理軟件 .............................................. 3 本文所做的主要工作 ...................................... 3 2 圖像分割簡(jiǎn)述 .......................................... 4 ............................................ 4 ...................................... 4 經(jīng)典的圖像分割方法 ................................................ 4 新穎的圖像分割方法 ................................................ 7 3 算法實(shí)現(xiàn)的工具及技術(shù)簡(jiǎn)介 ............................... 9 MFC 概述 [4]............................................... 9 MFC 編程框架 ...................................................... 9 MDI 應(yīng)用程序構(gòu)成 ................................................. 11 GDI+介紹 .............................................. 13 GDI 簡(jiǎn)介 [5] ........................................................ 13 GDI+介紹 ......................................................... 13 OPENGL 簡(jiǎn)介 ........................................... 15 OpenGL 工作流程 .................................................. 15 OpenGL 圖形操作步驟 .............................................. 15 4 GRABCUT 圖像摳取算法簡(jiǎn)介 ............................... 17 GRAPHCUTST算法簡(jiǎn)介 ...................................... 17 GRABCUT算法簡(jiǎn)介 ........................................ 17 GRABCUT算法準(zhǔn)備 ........................................ 18 高斯混合模型 介紹 ................................................. 18 GrabCut 算法中的數(shù)據(jù)結(jié)構(gòu) ......................................... 19 算法過(guò)程描述 ........................................... 20 算法初始化過(guò)程 ................................................... 20 自學(xué)習(xí)的高斯組件 ................................................. 20 最小分割 ......................................................... 20 四川大學(xué)本科畢業(yè)論文 基于圖像分割的簡(jiǎn)單圖像摳取算法的研究與實(shí)現(xiàn) 算法流程介紹 ..................................................... 21 5 GRABCUT 算法及輔助功能的實(shí)現(xiàn) ........................... 23 GRABCUT 算法的實(shí)現(xiàn) ...................................... 23 數(shù)據(jù)結(jié)構(gòu)介紹及初始化 ............................................. 23 高斯混合模型的建立的實(shí)現(xiàn) ......................................... 27 高斯混合模型的學(xué)習(xí)過(guò)程的實(shí)現(xiàn) ..................................... 29 GRABCUT 算法實(shí)現(xiàn)后的效果演示 ............................. 29 目標(biāo)對(duì)象處理 ........................................... 30 可分離目標(biāo)對(duì)象的標(biāo)記 ............................................. 30 目標(biāo)圖像大小的調(diào)整 ............................................... 32 目標(biāo)圖像 /合成圖像的保存 .......................................... 33 6 總結(jié)與展望 ........................................... 38 總結(jié) .................................................. 38 展望 .................................................. 38 參考文獻(xiàn) .........................................