Author: Yuchao Gu
E-mail: 2015014178@buct.edu.cn
Date: 2018-06-06
Description: my implementation of paper 《“GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts》
interactive foreground/background segmentation 用户仅需要简单划定前后景区域就能实现前后景分离
Example:
发生在目标和背景的边界处的图割是最好的解，我们可以用最小割算法（graph cut）
基于能量的表示方法：Gibbi Energy （假定已经存在一个model θ 可以分别计算pixel属于background和foreground的概率）
用Gaussian Distribution去拟合像素分布:
假定有两个Gaussian Single Model，一个是拟合foreground，一个是拟合background，一个任意的pixel可以求其在两个Gaussian中的概率值
Gaussian Single Model的不足:
- GSM表达力不足
我们引入:Gaussian Mixture Model（GMM）
引入GMM后，能量函数变为:
其中: p为 Multivariate Gussian Distribution:
代入得:
如何计算GMM参数:
EM算法：
pixel有四种标定形式:
- Ground Truth Background 用户框外的像素(迭代中不会更改)
- Ground Truth Foreground 用户额外指定的像素(迭代中不会更改)
- Probable Background 迭代中根据两个GMM的概率动态更新
- Probable Foreground 原为用户框内的元素（迭代中根据两个GMM的概率动态更新）
算法流程：
- python 手工实现（python for循环慢），将图片缩放成400px * 400px，速度偏慢，需等待1min左右的处理时间
- 没有实现border matting
Grabcut
│
├── files # 上传图片后的缓存
│
├── testfiles # 测试用途
│
├── grabcut # grabcut代码
│ ├── gcgraph.py # max-flow算法
│ ├── GMM.py # Gaussian Mixture Model
│ ├── Grabcut.py # grabcut
│ └── k-means.py # k-means算法
│
├── gycImgProcess # 图片格式base64转换
│
├── templates # 存放网页展示所需的html
│ └── grabcut.html
│
├── static # 存放jquery，bootstrap等js，css库文件
│ ├── js/myjs # 实现的简单画图js
│ └── other files # 其余js库文件
│
├── main.py # 后端代码
│
├── readmeDisplay # 此说明文件用图
│
└── readme.md # 此说明文件
- 依赖：
flaskjquery - 系统支持：
ubuntu - 编程环境:
pycharmpython3.6
- python main.py
- 将本地端口号输入浏览器地址栏
- 支持的操作: 1、 矩形框选可能的前景，矩形框外的一定是背景 2、 铅笔红色标记确认的前景 3、 铅笔绿色标记确认的背景
- 点击process，等待结果
- GrabCut — Interactive Foreground Extraction using Iterated Gr aph Cuts
- EM及高斯混合模型
- CV | Max Flow / Min Cut 最大流最小割算法学习