【正文】 ，對其進(jìn)行引用。 ⑤ 視 圖 視類從 CView 或它的派生類派生。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]。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)。 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。 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。 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(diǎn)數(shù)據(jù)可以是頂點(diǎn)，線或者多邊形集等，這些數(shù)據(jù)會(huì)首先經(jīng)過運(yùn)算器，再逐個(gè)圖元進(jìn)行操作，最后光柵化，再逐個(gè)片元處理直到最后寫入幀緩沖區(qū)中。 整個(gè)流程操作的最后，圖形片元都要進(jìn)行一系列的逐個(gè)片元操作，這樣最后的象素值才能 送入幀緩沖器實(shí)現(xiàn)圖形的顯示。圖像分割可以當(dāng)作一個(gè)二元標(biāo)記問題，每一個(gè) Vi? ，有唯一的一個(gè) ?ix {前景為１，背景為０ }與之對應(yīng)。而 GrabCut算法綜合利用了紋理及邊界兩種信息來實(shí)現(xiàn)圖像分割。 , 。 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(gè) ,實(shí)際上就是指該像素是屬于前景或背景像素的那一個(gè)像素 聚 類 。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(huì)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(gè)像素重新分配到該像素“更適合”的高斯組件中去。相似地，把背景摳圖區(qū)域中的每個(gè)像素重新分配到該像素“更適合”的高斯組件中去。 5) 標(biāo)簽值 :這個(gè)值標(biāo)記了該像素是屬于那一個(gè)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 。, ( 4 9 )。是一種比較有前途的交互式分割算法。首先用 KMean 方法將 F， B 的節(jié)點(diǎn)聚類，計(jì)算每一個(gè)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 。 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(diǎn)（ viewpoint）以觀察所感興趣的景觀。圖像數(shù)據(jù)與幾何頂點(diǎn)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(yùn)算器，也不會(huì)進(jìn)行單個(gè)圖元的操作，它只是完成圖像操作。 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]。一幅包含一個(gè)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。 GDI+讓程序員在設(shè)計(jì)程序時(shí)不用考慮到 具體的顯示器或打印機(jī)，直接使用由 GDI+提供的類的方法便可以在顯示器或打印機(jī)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]。 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(jī)及其它輸出設(shè)備上輸出圖形，文本等操作。 ⑥ 文檔模板 文檔模板類一般不需要派生。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）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。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(shí)現(xiàn) 11 同時(shí)， MFC 支持對底層 API 的直接調(diào)用 [4,4]。這使得用戶的整個(gè)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。 ④ 對 ODBC 功能的封裝 以少量的能提供與 ODBC 之間更高級(jí)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 。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(gè) C++ Object 來包裝一個(gè) Windows Object。 MFC框架很好的完成了算法實(shí)現(xiàn)系統(tǒng)的界面顯示以及用戶交互等工作。 PCNN 的是一個(gè)二維神經(jīng)網(wǎng)絡(luò)?；谏窠?jīng)網(wǎng)絡(luò)的分割是用一個(gè)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(shí)現(xiàn) 8 人工神經(jīng)網(wǎng)絡(luò)對圖像中的小區(qū)域進(jìn)行處理的分割技術(shù)。 (4) 一般地， F的“分形維數(shù)” (以某種方式定義的 )大于它的拓?fù)渚S數(shù)。 并且，優(yōu)秀的邊緣檢測器可以通過以下方式得到： ① 使圖像信噪比 SNR 最大化 ② 使標(biāo)記的邊緣點(diǎn)與真實(shí)邊緣中央的距離的均方根的估計(jì)值的倒數(shù)最大化 為了同時(shí)達(dá)到檢測性能指標(biāo)和定位標(biāo)準(zhǔn)的最大化， Canny 認(rèn)為 SNR 與邊緣點(diǎn) 位移的估計(jì)值一的標(biāo)準(zhǔn)方差的倒數(shù)乘積應(yīng)達(dá)到最大 [1,9]。 而基于 邊緣檢測的分割方法則主要是利用各種算子得到圖像中的邊緣，進(jìn)而根據(jù)邊緣信息得到分割后的區(qū)域。在這個(gè)過程完成后需要對所有的區(qū)域根據(jù)它當(dāng)前的所有像素重新計(jì)算出一個(gè)特征值，以便完成下一次的邊界消除，區(qū)域合并過程。再將這些新的點(diǎn)做為新的種子生長點(diǎn)，重復(fù)上面的步驟，直至沒有再滿足條件的點(diǎn)出現(xiàn)，就說明一個(gè)區(qū)域被劃分出來了 [1,4]。 閾值分割圖像的基本原理 ,可用下式作一般表達(dá)式 : EZ ? ?,f x y Z? ? ?,g x y ? (21) BZ 其他 其中 Z 為閾值 ,是圖像 ? ?,f xy 灰度級(jí)范圍內(nèi)的任一個(gè)灰度級(jí)集合 , EZ , BZ 為任意選定的目標(biāo)和背景灰度級(jí)。另外，由于計(jì)算機(jī)圖像處理技術(shù)是對人類視覺的模擬，而人類的視覺系統(tǒng)又是一種高度自動(dòng)化的生物圖像處理系統(tǒng)。其中均勻性是指該區(qū)域中的所有像素點(diǎn)都滿足基于灰度 ,紋理 ,色彩等特征的某種相似性準(zhǔn)則；連通性是指 在該區(qū)域內(nèi)存在連接任意兩點(diǎn)的路徑 [1,1]。首先對 GrabCut 算法做了簡介，再就 GrabCut算法的思想及過程進(jìn)行了詳細(xì)的闡述。 本文所做的主要工作 本論文的內(nèi)容結(jié)構(gòu)安排如下： 第一章為緒論。 KnockOut圖像摳取軟件使用的是 KnockOut自然景物摳取算法，而 Knockout 方法的特點(diǎn)在于模型簡單、處理速度快，但其處理效果不佳。光影魔術(shù)手是一個(gè)對數(shù)碼照片畫質(zhì)進(jìn)行改善及效果處理的軟件。 (2)Turbo Photo Turbo Photo 是一個(gè)以數(shù)碼影像為背景，面向 數(shù)碼相機(jī) 普通用戶和準(zhǔn)專業(yè)用戶而設(shè)計(jì)的一套集圖片管理，瀏覽，處理，輸出為一身的軟件系統(tǒng)。 大致可將這些軟件分為兩類，一是綜合化的圖像處理軟件，二是單一化的圖像處理軟件。 而滿足以上用戶需求的軟件實(shí)現(xiàn)的核心問題就是如何實(shí)現(xiàn)一個(gè)在圖像分割領(lǐng)域內(nèi)有著良好表現(xiàn)的圖像摳取算法。如如何從圖像中摳取出自己想要的對象如一個(gè)人，一輛車，再如如何簡單快速的替換一些圖片的背景這種極為簡單的圖像處理需求對一些不會(huì)使用專業(yè)圖像處理軟件的用戶來說卻非常困難的一件事。最后在總結(jié)章節(jié)中，闡述了實(shí)現(xiàn)過程的一些特色與存在的問題，并且提出對未來的研究方向的展望和個(gè)人自己的理解。對于大多數(shù)沒有學(xué)過專業(yè)圖像處理軟件的用戶來說，想要從圖片中摳出自己感興趣的目標(biāo)，或者是進(jìn)而對其更換背景都是一件很困難的事。 GrabCut 。他只需要一些簡單操作就可快速得到他想要的效果。 GrabCut 算法只要求極少的用戶交互，因此在今后的研究發(fā)展中結(jié)合一些其他的智能算法是完全可能實(shí)現(xiàn)完全智能化的，它可以自動(dòng)找出圖片中的有意義對象，并且實(shí)現(xiàn)多個(gè)對象的組合，以便能 夠更好滿足用戶的需求。 (1)PhotoShop Photoshop 是 由 Adobe 公司推出的跨越 PC 和 MAC 兩 個(gè)平臺(tái)的 的大型圖像處 理軟件 .它功能強(qiáng)大 ,操作界面友好 , 主 要應(yīng)用于圖像處理、廣告設(shè)計(jì)的一個(gè)電腦軟件。 Turbo Photo 相冊是一個(gè)照片管理、瀏覽與批處理為一體的軟件。它無須改寫 注冊表， 能夠非常方便的移除 ?？膳Ｓ跋竦挠姓掌庉嫻δ堋? 第二章為圖像分割簡述。 第六章為總結(jié)與展望。而目標(biāo)提取的結(jié)果的好壞對后續(xù)的處理操作有著非常重要的影響?？傊?，圖像分割的重要地位必定只會(huì)得到的加強(qiáng)，而不會(huì)有所衰退。 2） 區(qū)域增長 技術(shù) 區(qū)域增長有時(shí)也稱為區(qū)域生長 .區(qū)域生長技術(shù)是一種簡單的圖象分割技術(shù)，它僅適用于高反差的簡單圖象的分割，不能滿足灰度漸變或以某種紋理而不是灰度來表征不同區(qū)域的那些復(fù)雜圖象的分割。從而最終完成整個(gè)分割過程。 3） 基于邊緣的分割 圖像的邊緣是圖像最基本的特征之一 ,所謂邊緣是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合 .邊緣廣泛存在于物體與背景之間 ,物體與物體之間 ,基元與基元之間 ,因此 ,它是圖像分割依賴的重要特征 .圖像分割在某種程度上可以說是為一找到各個(gè)區(qū)域的邊緣的操作。因此，在微分運(yùn)算之前應(yīng)采用適當(dāng)?shù)钠交瑸V波以減少高頻分量中噪聲的影響。而分形維數(shù)在一定程度上對物體表面的粗糙度有著一定程度的反映，而自然物體與人造物體在分形維數(shù)上有著很大的差異，這樣就可以利用這個(gè)特征從自然背景中提取出人造物 體。所謂自相似，是指 系統(tǒng)的總體和部分之間，這部分和那部分之間具有的相似性。脈沖耦合神經(jīng)網(wǎng)絡(luò)（ PCNNs）是通過模擬貓的視皮層神經(jīng)元模型和為了獲得高性能圖像處理仿生而開發(fā)的。 外部和地方刺激在內(nèi)部激活系統(tǒng)相結(jié)合直到它超過一個(gè)動(dòng)態(tài)的門限值，然后 就倒輸出一個(gè)脈沖。 MFC 中 所包含的 各種類 組 合起來構(gòu)成了一個(gè)應(yīng)用程序框架，它的目的就是讓程序員在此基礎(chǔ)上來建立 Windows 下的應(yīng)用程序，這是一種相對 SDK 來說更為簡單的方法。 而對于這一套過程的實(shí)現(xiàn)每一次使用的代碼都極為類似，這就造成了過多的重復(fù)操作。 首先， MFC 抽象出眾多類的共同特性，設(shè)計(jì)出一些基類作為實(shí)現(xiàn)其他類的基礎(chǔ)。例如，如果要使應(yīng)用程序能夠建立在消息映射的機(jī)制上， MFC 就必須對消息映射機(jī)制的過程做很好的實(shí)現(xiàn)，即對整個(gè)消息獲取，消息處理等一系列的操作都必須預(yù)定義其操作的流程及處理方式。 MFC 是 C++類庫，程序員就是通過使用、繼承和擴(kuò)展適當(dāng)?shù)念悂韺?shí)現(xiàn)特定的目的。對這些類或者對象解釋如下 [4,7]。 ③ 文檔邊框窗口 文檔邊框窗口類從 CMDIChildWnd 類派生， MDI 應(yīng)用程序使用文檔邊框窗口來包含視窗口。 2） 構(gòu)成應(yīng)用程序的對象之間的關(guān)系 這里，用圖的形式可直觀地表 示所涉及的 MFC 類的繼承或者派生關(guān)系，如圖 32 所示。 所有的圖形用戶界面 (GUI)應(yīng)用程序都與硬件設(shè)備 (監(jiān)視器、打印機(jī)或掃描儀 )進(jìn)行交互，這可以表示為可讀的數(shù)據(jù)。一知簡單路徑可由直線或曲線連接起來的一組點(diǎn)來指定。用于存儲(chǔ)位圖信息 的數(shù)據(jù)結(jié)構(gòu)比用于矢量圖形的數(shù)據(jù)結(jié)構(gòu)更為復(fù)雜。它的主要作用是將二維或三維的對象繪入一個(gè)幀緩沖區(qū)中。并且很好的對各個(gè)頂點(diǎn)進(jìn)行操作。 在這些步驟的執(zhí)行過程中， OpenGL 可能執(zhí)行其他的一些操作，例如自動(dòng) 消隱處理等。 GrabCut 算法簡介 GrabCut算法是一種有效的從復(fù)雜背景中提取前景目標(biāo)的交互式圖像分割算法。它在圖像的前景背景分割應(yīng)用中高斯分量的個(gè)數(shù)一般取 3到 5個(gè) ,這些分量被用來表征圖像中各個(gè)像素的特征 .而前景背 景分割中， 對于輸入圖像 z = (z1,… ,zn,… ,zN)，透明值表示成? =( 1? ,? , N? )， 10 ?? n? ,若是強(qiáng)分割， }1,0{?n? ， 0表示背景， 1是前景 [12]。 GrabCut 算法中的數(shù)據(jù)結(jié)構(gòu) GrabCut 算法在運(yùn)用各種數(shù)學(xué)模型進(jìn) 行計(jì)算的時(shí)候 ,會(huì)給每個(gè)像素都賦予五種信息 : 1) 顏色信息 :即一個(gè)像素的 Color 值 ,用結(jié)構(gòu) Color(r,g,b)存儲(chǔ) 。 2)Σ～：協(xié)方差矩陣的逆矩陣 (一個(gè) 3 x3的矩陣 )； 3)detΣ：：協(xié)方差矩陣的行列式的值 (一個(gè)實(shí)數(shù) )； 4)w：高斯混合模型中一個(gè)組件的權(quán)重 (一個(gè)在 0與 1之間的實(shí)數(shù) )． 5)value:協(xié)方差矩陣的特征值 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(shí)現(xiàn) 20 6)vector: 協(xié)方差矩陣的特征向量 算法過程描述 算法初始化過程 在用戶通過矩形框來選 取目標(biāo)區(qū)域后 ,算法開始對相應(yīng)的數(shù)據(jù)結(jié)構(gòu)進(jìn)行初始化 .初始化主要包含三個(gè)部分 [13,1]: ⑴ 初始化三分圖信息 :將用戶用矩形框選取的目標(biāo)區(qū)域初始化為未知區(qū)域即初始化為AreaUnknown,將圖像的剩余區(qū)域初始化為 AreaBackground,這個(gè)初始化過程并為將任何區(qū)域設(shè)置為 AreaForeground。而在具體的實(shí)現(xiàn)過程中，往往是選擇在高斯組件的自學(xué)習(xí)過程與最小分割算法間反復(fù)循環(huán) 5 次，就能得到較好的處理結(jié)果 ，因此在此次算法的實(shí)現(xiàn)中也只是選擇了對學(xué)習(xí)與分割過程反復(fù)進(jìn)行 5次，其具體過程如下示： 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(shí)現(xiàn) 22