摘 要：Grab cut是一種基于Graph cuts算法原理改進而來的交互式分割算法，很多情況下有著很好的分割效果，但是在圖片的背景與前景具有很高相似度時，分割效果很不理想。隨著數(shù)碼技術的發(fā)展，人們需要處理的圖像越來越多，對如何提高算法的分割效果、執(zhí)行效率及改善交互方式的研究具有深遠意義。對Grab cut算法以及在HSV顏色空間下的Grab cut算法和自適應Grab cut算法進行了研究。

關鍵詞：Grab cut； HSV顏色空間； 自適應Grab cut

中圖分類號：TP312

文獻標識碼：A 文章編號：1672-7800（2015）005-0065-03

作者簡介：黃玲玲（1990-），女，四川廣安人，西南交通大學信息科學與技術學院碩士研究生，研究方向為數(shù)字圖像處理。

0 引言

圖割算法是目前廣泛使用的交互式圖像分割算法之一，該方法將圖像分割過程轉化為求解包含區(qū)域信息和邊界信息的能量函數(shù)最小化過程?；谠摾碚撎岢龅姆指钏惴òǎ航换ナ紾raph cut算法[1]、Grab cut 算法[2]、Lazy snapping算法[3]等。圖割算法摒棄了傳統(tǒng)的自然圖像摳圖技術中的三分圖輸入，將自然圖像摳圖問題轉換成下面兩個問題：①找出自然圖像中前景與背景之間的邊界，也就是把需要摳圖的自然圖像分割成前景部分和背景部分；②根據(jù)上一個問題中得到的分割信息，對前景的邊緣部分進行細化，從而達到自然圖像摳圖的目的。

Grab cut算法與其它圖割算法相比，交互方式簡單且分割效果好，在圖像分割、圖像識別等領域被廣泛運用。但是該算法對于前景和背景具有很高相似度的圖片分割效果不理想，同時由于GMM模型的迭代求解過程復雜，使得算法時間花銷大。隨著數(shù)碼技術的發(fā)展，人們需要處理的圖像越來越多，對于交互方式更為簡潔的需求也越來越大，因此很多學者對進一步改善Grab cut算法的分割效果、效率和交互方式進行了研究，其中有代表性的是Priyaka和Anurag[4]等提出的基于HSV顏色空間的Grab cut算法，以及Kang[5]等提出的基于格網掩碼和均值漂移的Grab cut算法。

1 Grab cut算法

Rother等人對graph cuts算法進行分析改進，提出了方便快捷的Grab cut算法，降低了用戶的交互工作量。Grab Cut方法在Graph Cut方法的基礎上做了以下改進：①利用高斯混合模型（GaussianMixtureMode， GMM）取代直方圖來描述前景與背景像素的分布， 由對灰度圖像的處理上升到對彩色圖像的處理；②利用迭代方法求取高斯混合模型中的各個參數(shù)，替代一次最小化估計來完成能量最小化的計算過程；③通過非完全標記方法， 減少了用戶在交互過程中的工作量， 用戶只需利用矩形框標記出背景區(qū)域即可[6]。

Grab cut算法將圖像的背景區(qū)域標記為TB （Trimap Background），將未知區(qū)域標記為TU （Trimap unknown），實現(xiàn)了算法的初始化，如圖1所示，其中TU是算法需要進一步分割的區(qū)域。

2 基于HSV顏色空間的Grab cut算法

針對原Grab cut算法缺陷，Priyaka和Anurag等對Grab cut算法進行了改進，將其應用到HSV顏色空間，具體實驗步驟為：①將RGB顏色空間的輸入圖像轉換為HSV顏色空間的圖像；②將HSV顏色空間的圖像應用在Rother et.提出的Grab cut算法以得到分割結果；③將得到的HSV顏色空間的分割結果圖像轉換為RGB顏色空間圖像；④比較兩個顏色空間下得到的分割結果。實驗結果對比見圖3。

3 基于格網掩碼和均值漂移的Grab cut算法

該算法的主要改進點在于自動獲取Grab cut算法的矩形標示區(qū)域，算法流程見圖4。

3.1 基于格網掩碼的均值漂移

本步驟在保證圖像顏色特性被完整提取的前提下減少后面步驟處理的數(shù)據(jù)集，以減少迭代過程的時間開銷。均值漂移算法[8]處理整個圖像速度很慢，為此首先將20×20的格網掩碼應用到輸入圖像，以提高預處理速度。為了更好地提取圖像特性，該步驟在LAB顏色空間完成。均值漂移分割后的區(qū)域顏色值為該區(qū)域所包含的像素點平均顏色值，實驗結果見圖5。

3.2 標識矩形框提取

從上一步驟中，已經得到了分類區(qū)域數(shù)K和每個區(qū)域的平均顏色值。提取大致的目標前景區(qū)域步驟如下：

（1）使用最鄰近（Nearest Neighbor）算法計算各個區(qū)域之間的最小距離并合并相似區(qū)域，公式為：

3.3 Grab cut分割步驟

使用Grab cut算法來摳取目標前景區(qū)域，利用前面步驟得到的矩形框前背景種子點來初始化GMM模型，迭代求取結果。此算法自適應地獲取了包含前景區(qū)域的矩形框，減少了人為交互，使Grab cut算法智能化。

4 結語

Grab cut算法是一種較為成熟、在算機視覺等領域應用較為廣泛的一種圖割算法?；贖SV顏色空間的Grab cut算法克服了Grab cut算法在前景和背景具有很高相似度的情況下分割效果不佳的缺點，基于格網掩碼和均值漂移的Grab cut算法自適應地獲取了包含前景區(qū)域的矩形框，減少了人的交互，使得Grab cut算法得到了智能化發(fā)展。

參考文獻：

[1] Y BOYKOV Y，JOLLY M P. Interactive graph cuts for optimal boundary & region segmentation of objects in ND images[C].Computer Vision， 2001. ICCV 2001.Proceedings.Eighth IEEE International Conference on. IEEE， 2001.

[2] CARSTEN ROTHER，VLADIMIR KOLMOGOROV，ANDREW BLAKE."GrabCut" - interactive foreground extraction using Iterated graph cuts[C].ICCV 2004.

[3] YIN LI，JIAN SUN ，CHI-KEUNG TANG et al.Lazy snapping[C].ICCV 2004.

[4] PRIYANKA PANCHHI， ANURAG JAIN， SUMIT KAUSHIK.Extraction of foreground in images with similar background using grab cut in HSV color space[C].2013.

[5] KANG ， SOOH.Object Segmentation using mean-shift with grid-mask for grab cut algorithm[J].International Journal of software Engineering and its Applications， 2014：409-416.

[6] 孫凡，張樺，尤德祥，等.Grab cut數(shù)字摳圖方法的研究與實現(xiàn)[J].天津理工大學學報，2008（4）：169-171.

[7] GEMAN AND GEMAN. Stochastic relaxation， gibbs distributions， and the bayesian restoration of images[J]. In IEEE Transactions on Pattern Analysis and Machine Intelligence，2006：721-741.

[8] D COMANICIU， P MEER. Mean shift：a robust approach toward feature space analysis[J].IEEE Trans，Pattern Anal，Machine Intell，2002（24）：603-619.

（責任編輯：杜能鋼）