如何使用 OpenCV 在没有人工交互的情况下分割图像中的对象答案

【问题标题】：How to segment objects in a image without human interaction using OpenCV如何使用 OpenCV 在没有人工交互的情况下分割图像中的对象
【发布时间】：2017-05-24 05:19:35
【问题描述】：

我想使用 OpenCv 方法来分割图像。我遇到了 Grabcut 算法，但这仍然需要人工交互，比如画一个框来环绕一个对象。所以我的问题是如何使用 OpenCv 自动进行分割？非常感谢 C++ 或 Java 中的建议和代码 sn-p。

更新：我正在尝试从盘子和餐桌中分割食物。

【问题讨论】：

你能告诉我们你想要分割的图像类型吗？使用openCV切割物体的方法有很多，但是方法取决于物体的类型、对比度等。
我已经更新了我的问题
您最好向我们展示您想要的实际图像，否则无法帮助您，但这是基本原则：
如果您有彩色图像，您的食物可能与您的盘子和桌子颜色不同（假设您想在木桌上的白盘子上找到西红柿和胡萝卜）。在这种情况下，要选择对象，使用颜色分类可能是最简单的方法。如果您只有灰度图像，则需要在图像上有足够的对比度以检测物体的边缘（基本上是您的眼睛会做的事情）。然后，您可以使用 OpenCV 提供的几种算法提取这些边缘。例如，您可以尝试使用 sobel 过滤器来获取边缘

标签： opencv computer-vision image-segmentation

【解决方案1】：

是的，grabCut 需要人工交互，但是我们可以最小化它，就像我个人使用 grabCut 算法从给定图像中分割人脸一样，所以它基本上涉及：

使用 haar 级联检测给定图像中的人脸
生成概率掩码，这将帮助您生成分割所需的标记。

第一部分要求您使用预制的haar cascade 或create your own，并提供足够的训练示例。

一旦你有一个工作的 haar 级联，你可以使用它来获取每个输入图像的 ROI，你可以扩展 ROI 尺寸以包括对象周围的更多空间。

所以现在在这一步中，您必须能够从给定的输入图像中裁剪所需的对象，这会减少搜索域，现在您可以创建一个概率掩码，这将指示给定 ROI 的对象的可能位置，前面的步骤是标准化输入图像所必需的，现在我们可以假设输入总是标准化的，因此对象位置在 ROI 上会有点一致。这是男性人类头发的样本概率掩码：

现在您选择 4 个阈值来为抓取创建蒙版：

if (pix > 220): mask = cv::GC_FGD

else if (pix > 170): mask = cv::GC_PR_FGD

else if (pix > 50): mask = cv::GC_PR_BGD

否则：掩码 = cv::GC_BGD

然后您可以将其作为掩码传递以执行抓取分割。

但是semantic segmentation 有一些最近的进步，它使用 CRF 作为 RNN 技术从给定图像中分割对象，它不需要标准化的东西，但由于它依赖于 GPU 来高效运行，它不适合用于移动或低端计算机应用程序。

【讨论】：

这适用于从盘子和桌子上分割食物吗？我刚刚阅读了一些关于 haar cascade 的内容，它似乎用于人脸检测。如果我错了，请纠正我。
我已经知道您正在搜索与人脸无关的 haar 级联，这就是为什么我在答案中附上了这个link，您需要为此目的训练自己的级联，或者在网络上搜索如果有人已经创建了一个。