将边缘检测转换为遮罩

Question

给一个我应用边缘检测过滤器的图像，什么方法（希望是高效/高性能的）来实现标记片段中点的“总和”的掩码？

图片说明：

提前谢谢你。

更新：

添加了较轻图像的示例 (https://imgur.com/a/MN0t3pH)。 正如您将在下图中看到的，我们假设当用户标记一个区域 (ROI) 时，将会有一个对象从其背景中“突出”。我们的最终目标是获得该对象最准确的“掩码”，以便我们可以将其用于 ML 处理。

Answer 1

从您上传的两个示例中，我可以假设您正在根据颜色/强度的差异进行阈值化 - 我可以建议 grabcut 作为基本的前景分离 - 使用该 ROI 中的蒙版边缘作为算法的输入. 更好的是 - 如果您的阈值与第一张图像一样好，只需跳过边缘检测部分，这将是grabcut的输入。

======= 编辑 =======

@RoiMulia 如果你需要生产级别我可以建议你完全离开阈值+边缘检测方向，尝试背景去除技术（SOTA 目前是神经网络，如Background Matting: The World is Your Green Screen (example)）。

您也可以尝试一些现成的后台清除 API，例如 https://www.remove.bg/ 或 https://clippingmagic.com/

Answer 2

1.
鉴于您的“投资回报率”监督，我强烈建议您探索 GrabCut（由 YoniChechnik 提议）：
Rother C、Kolmogorov V、Blake A."GrabCut" interactive foreground extraction using iterated graph cuts。 ACM 图形事务 (TOG)。 2004.

要了解它的工作原理，您可以使用 power-point 的“背景去除”工具：

这是基于 GrabCut 算法的。

这是它在 power point 中的样子：

GrabCut 主要根据前景/背景颜色分布对选定 ROI 中的前景对象进行分割，而较少根据边缘/边界信息进行分割，尽管这些额外信息可以集成到公式中。

好像opencv有GrabCut的基本实现，见here。

---

2.
如果您正在寻找仅使用边界信息的方法，您可能会发现this answer 很有用。

---

3.
另一种方法是使用 NCuts： Shi J, Malik J. Normalized cuts and image segmentation. IEEE 模式分析和机器智能汇刊。 2000.

如果你有非常可靠的边缘图，你可以将 NCuts 使用的“亲和矩阵”修改为二进制矩阵

         0  if there is a boundary between i and j
w_ij =   1  if there is no boundary between i and j
         0  if i and j are not neighbors of each other

NCuts 可以被视为一种估计“稳健连接组件”的方法。