图像分割

详细描述

类
类	cv::segmentation::IntelligentScissorsMB
	智能剪刀图像分割。 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8位3通道图像。
mask	输入/输出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。其元素可以具有GrabCutClasses中的一个值。
rect	包含分割对象的ROI。ROI外部的像素被标记为“明显背景”。只有当mode==GC_INIT_WITH_RECT时才使用此参数。
bgdModel	背景模型的临时数组。在处理同一图像时，请勿修改它。
fgdModel	前景模型的临时数组。在处理同一图像时，请勿修改它。
iterCount	算法在返回结果前应进行的迭代次数。请注意，可以使用mode==GC_INIT_WITH_MASK或mode==GC_EVAL进一步调用来细化结果。
mode	操作模式，可以是GrabCutModes中的一个。

watershed()

void cv::watershed	(	InputArray	image,
		InputOutputArray	markers )

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

#include <opencv2/imgproc.hpp>

使用分水岭算法执行基于标记的图像分割。

该函数实现了分水岭算法的一种变体，即[190]中描述的基于非参数标记的分割算法。

在将图像传递给函数之前，您必须使用正数（>0）索引在图像标记中大致勾勒出所需的区域。因此，每个区域都表示为一个或多个具有像素值1、2、3等的连通分量。可以使用findContours和drawContours（参见watershed.cpp演示）从二值掩码中检索此类标记。标记是未来图像区域的“种子”。markers中所有其他像素与其轮廓区域的关系未知，应由算法定义，应设置为0。在函数输出中，markers中的每个像素都设置为“种子”分量的值，或在区域边界设置为-1。

注意

并非任何两个相邻的连通分量都一定被分水岭边界（-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

image	输入8位3通道图像。
markers	输入/输出32位单通道标记图像（map）。它应该与image大小相同。

另请参见

findContours