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。 它的元素可能具有 GrabCutClasses 之一。
rect	包含分割对象的 ROI。 ROI 外部的像素被标记为“明显背景”。 该参数仅在 mode==GC_INIT_WITH_RECT 时使用。
bgdModel	背景模型的临时数组。 处理同一图像时请勿修改它。
fgdModel	前景模型的临时数组。 处理同一图像时请勿修改它。
iterCount	算法在返回结果之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 的进一步调用来改进结果。
mode	可以是 GrabCutModes 之一的操作模式

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的一种变体，非参数的基于标记的分割算法，描述于 [193] 中。

在将图像传递给该函数之前，您必须在图像标记中使用正数 (>0) 索引大致勾勒出所需的区域。 因此，每个区域表示为一个或多个像素值为 1、2、3 等的连接组件。 可以使用 findContours 和 drawContours 从二进制掩码中检索此类标记（请参见 watershed.cpp 演示）。 这些标记是未来图像区域的“种子”。 markers 中所有其他像素，其与勾勒区域的关系未知，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”组件的值，或者设置为区域之间的边界处 -1。

注意

任何两个相邻的连接组件不一定被分水岭边界（-1 的像素）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	标记的输入/输出 32 位单通道图像（地图）。 它应与 image 具有相同的大小。

另请参见

findContours