我想去除背景并将鹿作为前景图像。
这是我的跟踪相机拍摄的源图像：
这就是我想要的。此输出图像可以是二值图像或 RGB。
我对此进行了研究并尝试了多种方法来获得解决方案，但每次都在特定点失败。所以请先了解我的确切问题。
如果有人对我的问题仍有任何歧义，请先让我澄清然后回答，我们将不胜感激。 提前致谢。
【问题讨论】：
标签： image matlab opencv image-processing computer-vision
我会这样做：
正如对您问题的评论，您可以检测到亲爱的，然后执行抓取以将其从图片中分割出来。
为了检测亲爱的，我会将分类器与滑动窗口方法结合起来。这意味着您将拥有一个分类器，它在图像中给出一个补丁（可以是一个大补丁），输出该补丁与亲爱的相似程度的分数。滑动窗口方法意味着您循环窗口大小，然后循环窗口位置。对于图像中窗口的每个位置，您应该在该窗口上应用分类器并获得该窗口“看起来像”亲爱的程度的分数。完成此操作后，将所有分数设置为阈值以获得“最佳窗口”，即与亲爱的最相似的窗口。这背后的原因是，如果我们亲爱的出现在图像中的某个位置，分类器将在所有与实际亲爱的位置接近/重叠的窗口输出高分。我们想将所有这些位置合并到一个位置。这可以通过应用 OpenCV 中的 groupRectangles 函数来完成：
http://docs.opencv.org/modules/objdetect/doc/cascade_classification.html#grouprectangles
看看一些来自 OpenCV 的人脸检测示例，它的作用基本相同（滑动窗口 + 分类器），分类器是 Haar 级联。
现在，我没有提到“亲爱的分类器”可以是什么。您可以使用 HOG+SVM（两者都包含在 OpenCV 中）或使用更强大的方法来运行深度卷积神经网络（深度 CNN）。幸运的是，您不需要训练深度 CNN。您可以将以下软件包与他们的“现成”ImageNet 网络一起使用（它们非常强大，甚至可以在没有进一步培训的情况下识别亲爱的）：
Decaf- 仅可用于研究目的： https://github.com/UCB-ICSI-Vision-Group/decaf-release/
或 Caffe - 获得 BSD 许可：
http://caffe.berkeleyvision.org/
您可以在此处阅读其他软件包： http://deeplearning.net/software_links/
最常见的是 Theano、Cuda ConvNet 和 OverFeat（但这确实是基于意见的，您应该从我链接到的列表中选择最佳包）。
“现成的”ImageNet 网络在来自 1000 个类别的大约 1000 万张图像上进行了训练。如果这些类别包含“亲爱的”，那么您可以按原样使用它们。如果没有，您可以使用它们来提取特征（在 Decaf 的情况下作为 4096 维向量）并在正负图像上训练分类器以构建“亲爱的分类器”。
现在，一旦你检测到亲爱的，这意味着你周围有一个边界框，你可以应用抓取：
http://docs.opencv.org/trunk/doc/py_tutorials/py_imgproc/py_grabcut/py_grabcut.html
您需要在亲爱的上面写上初始涂鸦才能执行抓斗。你可以在边界框的中间画一条水平线，希望它会在亲爱的躯干上。更复杂的方法是找到亲爱的对称轴并将其用作涂鸦，但你必须谷歌，研究实现一些从图像中提取对称轴的方法。
就是这样。不简单，但问题也是如此。
如果您有任何问题，请告诉我。
【讨论】：
由于您只想将背景与前景分开，我认为您不需要识别鹿。您需要识别场景中运动的物体。您只需将重要时间间隔（背景）内的静态与非静态（鹿）区分开来。
有些算法会组合来自同一场景的多个帧以确定背景，例如THIS ONE。
您提到考虑到不同鹿的照片，场景模式会随着天气变化或昼夜变化而变化。
您可以在检测到运动时实施解决方案，而不是拍摄单张照片，而是在一定时间间隔内拍摄几张照片。
这个间隔必须足够长，才能让鹿处于不同的位置或离开场景，同时又足够短，不会受到场景变化的太大影响。也许您需要处理一些亮度变化，但我认为使用这些帧确定背景并最终在“运动帧”中分割鹿是可行的。
【讨论】：
使用混合高斯模型尝试 OpenCV Background Substraction。它们应该足以适应您的场景。当然，最终的表现将取决于场景，但值得一试。
【讨论】：