欢迎加入学习交流QQ群：657341423
前景检测在平面设计来说，称之为抠图，，OpenCV的抠图是由grabCut函数实现。grabCut是一种算法，算法原理说明如下： 
函数原型：
grabCut(img, mask, rect, bgdModel, fgdModel, iterCount, mode=None)img - 输入图像
mask-掩模图像，用来确定那些区域是背景，前景，可能是前景/背景等。可以设置为：cv2.GC_BGD,cv2.GC_FGD,cv2.GC_PR_BGD,cv2.GC_PR_FGD，或者直接输入 0,1,2,3 也行。
rect - 包含前景的矩形，格式为 (x,y,w,h)
bdgModel, fgdModel - 算法内部使用的数组. 你只需要创建两个大小为 (1,65)，数据类型为 np.float64 的数组。
iterCount - 算法的迭代次数
mode - cv2.GC_INIT_WITH_RECT 或 cv2.GC_INIT_WITH_MASK，使用矩阵模式还是蒙板模式。
示例
import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('varese.jpg') mask = np.zeros(img.shape[:2], np.uint8) # zeros(shape, dtype=float, order='C')，参数shape代表形状，(1,65)代表1行65列的数组，dtype:数据类型，可选参数，默认numpy.float64 bgdModel = np.zeros((1, 65), np.float64) fgdModel = np.zeros((1, 65), np.float64) rect = (1, 1, img.shape[1], img.shape[0]) # 函数原型：grabCut(img, mask, rect, bgdModel, fgdModel, iterCount, mode=None) # img - 输入图像 # mask-掩模图像，用来确定那些区域是背景，前景，可能是前景/背景等。可以设置为：cv2.GC_BGD,cv2.GC_FGD,cv2.GC_PR_BGD,cv2.GC_PR_FGD，或者直接输入 0,1,2,3 也行。 # rect - 包含前景的矩形，格式为 (x,y,w,h) # bdgModel, fgdModel - 算法内部使用的数组. 你只需要创建两个大小为 (1,65)，数据类型为 np.float64 的数组。 # iterCount - 算法的迭代次数 # mode cv2.GC_INIT_WITH_RECT 或 cv2.GC_INIT_WITH_MASK，使用矩阵模式还是蒙板模式。 cv2.grabCut(img, mask, rect, bgdModel, fgdModel, 10, cv2.GC_INIT_WITH_RECT) # np.where 函数是三元表达式 x if condition else y的矢量化版本 # result = np.where(cond,xarr,yarr) # 当符合条件时是x，不符合是y，常用于根据一个数组产生另一个新的数组。 # | 是逻辑运算符or的另一种表现形式 mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8') # mask2[:, :, np.newaxis] 增加维度 img = img * mask2[:, :, np.newaxis] # 显示图片 plt.subplot(121), plt.imshow(img) plt.title("grabcut"), plt.xticks([]), plt.yticks([]) plt.subplot(122), plt.imshow(cv2.cvtColor(cv2.imread('varese.jpg'), cv2.COLOR_BGR2RGB)) plt.title("original"), plt.xticks([]), plt.yticks([]) plt.show()
参数mask的x、y坐标设置和参数iterCount 的设置都对前景检测有一定的影响。
在上述例子中，还可以将函数参数mode 改为GC_INIT_WITH_MASK模式实现，可参考：链接地址
转载请标明出处:Python 使用Opencv实现前景检测
文章来源: Python 使用Opencv实现前景检测