图像分割

详细描述

类
类	cv::segmentation::IntelligentScissorsMB
	Intelligent Scissors 图像分割。更多...

函数
void	cv::grabCut (InputArray img, InputOutputArray mask, Rect rect, InputOutputArray bgdModel, InputOutputArray fgdModel, int iterCount, int mode=GC_EVAL)
	运行 GrabCut 算法。
void	cv::watershed (InputArray image, InputOutputArray markers)
	使用分水岭算法执行基于标记的图像分割。

函数文档

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>

运行 GrabCut 算法。

该函数实现了 GrabCut 图像分割算法。

参数

img	输入的 8 位 3 通道图像。
mask	输入/输出的 8 位单通道掩码。当 mode 设置为 GC_INIT_WITH_RECT 时，该掩码由函数初始化。其元素可能具有其中一个 GrabCutClasses。
rect	包含分割对象的 ROI。ROI 外部的像素标记为“明显背景”。仅当模式==GC_INIT_WITH_RECT 时使用此参数。
bgdModel	背景模型的临时数组。在处理同一图像时不要对其进行修改。
fgdModel	前景模型的临时数组。在处理同一图像时不要对其进行修改。
iterCount	算法在返回结果前应执行的迭代次数。请注意，可以通过 mode==GC_INIT_WITH_MASK 或模式==GC_EVAL 进一步调用来优化结果。
模式	操作模式，可为 GrabCutModes 之一

watershed()

void cv::watershed	(	InputArray	图像,
		InputOutputArray	标记
	)

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

#include <opencv2/imgproc.hpp>

使用分水岭算法执行基于标记的图像分割。

该函数实现了 [190] 中描述的分水岭变体之一，基于非参数标记的分割算法。

在将图像传递给该函数之前，你必须在图像标记中使用正数 ( >0) 索引大致勾勒出所需区域。因此，每个区域都表示为一个或多个像素值分别为 1、2、3 等的连通分量。可以使用 findContours 和 drawContours (请参阅 watershed.cpp 演示) 从二值掩模中检索此类标记。标记是未来图像区域的“种子”。markers 中所有其他像素与其已勾画区域的关系未知，应由算法进行定义，这些像素应设置为 0。在函数输出中，markers 中的每个像素都设置为“种子”组件的值，或设置为区域边界处的 -1。

注意

任何两个相邻的连通分量不一定会用分水岭边界（-1 像素）分隔；例如，它们可以在传递给函数的初始标记图像中相互接触。

参数

图像	输入的 8 位 3 通道图像。
标记	标记的输入/输出 32 位单通道图像（映射）。它应与 image 为相同大小。

另请参阅

findContours