GrabCut

GrabCut是一個基於電腦視覺中的圖割理論的圖像分割方法。

在GrabCut中，像素被劃分為ground truth background、ground truth foreground、maybe background、maybe foreground四類標籤。開始時，使用者需要畫出一個完整包含目標物體的邊界框。框內的像素被標記為maybe foreground，而框外的則是ground truth background。

然後演算法使用高斯混合模型（GMM）估計目標物體和背景的色彩分布。GMM用於在像素標籤上構建馬爾可夫隨機場，其能量函式更喜歡具有相同標籤的連接區域。執行基於圖割（如最小割）的最佳化來推斷位於不確定區域（標籤為maybe background、maybe foreground的像素）的標籤值。此估計比使用者畫出的邊界框的原始估計更準確，因此上述過程將多次重複，直到收斂。

使用者可以通過反覆多次指出錯誤分類的區域，使演算法重新執行最佳化，獲得更佳結果。

OpenCV中已經提供開源實現。

參見

• 連通性 (圖論)
• Prim演算法
• Edmonds–Karp演算法
• 電腦視覺中的圖割

參考資料

• C. Rother, V. Kolmogorov, and A. Blake, GrabCut: Interactive foreground extraction using iterated graph cuts （頁面存檔備份，存於網際網路檔案館）, ACM Trans. Graph., vol. 23, pp. 309–314, 2004.