C#描述-计算机视觉OpenCV(4):图像分割

C#描述-计算机视觉OpenCV(4):图像分割

前言

本文中如果有什么没说明的地方,大概率在前文中描述过了。
C#描述-计算机视觉OpenCV(1):基础操作
C#描述-计算机视觉OpenCV(2):图像处理
C#描述-计算机视觉OpenCV(3):重映射

上一章节我们通过波形来分析了图像,那么图像中的背景与主体在波形上会有怎样的呈现呢?

csharp 复制代码
for (int k = 120; k < 400; k++)
            {
                int r = 390;
                XList4.Add(k);
                YList4.Add(img.At<Vec3b>(r, k)[1]);
                chart2.Series["Green"].Points.DataBindXY(XList4, YList4);
                XList5.Add(k);
                YList5.Add(img.At<Vec3b>(r, k)[2]);
                chart2.Series["Blue"].Points.DataBindXY(XList5, YList5);
                XList6.Add(k);
                YList6.Add(img.At<Vec3b>(r, k)[0]);
                chart2.Series["Red"].Points.DataBindXY(XList6, YList6);
                img.At<Vec3b>(r, k)[0] = 0;
                img.At<Vec3b>(r, k)[1] = 0;
                img.At<Vec3b>(r, k)[2] = 0;//检测线标记
            }

我们标记一条检测线并示波

色彩波形结果:

这种差别以为着我们可以通过数值的变化来捕捉图片中的物体,并且做出分割。

用 GrabCut 算法分割图像

物体通常有自己特有的颜色,通过识别颜色接近的区域,通常可以提取出这些颜色。OpenCV 提供了一种常用的图像分割算法,即 GrabCut 算法。GrabCut 算法比较复杂,计算量也很大,但结果通常很精确。如果要从静态图像中提取前景物体(例如从图像中剪切一个物体,并粘贴到另一幅图像),最好采用GrabCut 算法。

算法参数模型:

cv::Mat result; // 分割结果(四种可能的值)

cv::Mat bgModel,fgModel; // 模型(内部使用)

// GrabCut 分割算法

cv::grabCut(

image, // 输入图像

mask, // 分割结果

rectangle, // 包含前景的矩形

bgModel,fgModel, // 模型

X, // 迭代次数

cv::GC_INIT_WITH_RECT // 使用矩形

);

首先我们开出需要的模型:

csharp 复制代码
Mat mask = new Mat();
Mat bgM = new Mat();
Mat fgM = new Mat();

然后我们定义一个检测矩形区域:

csharp 复制代码
Rect rectangle;
rectangle = new Rect(int X,int Y,int Width,int Height);

然后我们可以代入一个图像,使用GrabCut()方法,

csharp 复制代码
Cv2.GrabCut(image, mask, rectangle, bgM, fgM, 5, GrabCutModes.InitWithRect);

并获得一个结果Mat类 mask。需要注意:这个mask可不代表分割完成的结果。

我们在函数的中用 InitWithRect 标志作为最后一个参数,表示将使用

带边框的矩形模型。矩形中输入/输出的分割图像可以是以下四个值之一。

1.GC_BGD:这个值表示明确属于背景的像素(例如本例中矩形之外的像素)。

2.GC_FGD:这个值表示明确属于前景的像素(本例中没有这种像素)。

3.GC_PR_BGD:这个值表示可能属于背景的像素。

4.GC_PR_FGD:这个值表示可能属于前景的像素(即本例中矩形之内像素的初始值)

也就是说我们的mask是一个判断是否为主题的结果的矩阵,我们还需要来操作读取才能完成图像分割,那么具体该如何操作呢?

实例展示

原图如下:

我们选取区域(200, 45, 150, 400)来做切割,这里面主体与背景非常清晰。

csharp 复制代码
public void ColorDetector(Mat image)
        {
            Mat mask = new Mat();
            Mat bgM = new Mat();
            Mat fgM = new Mat();
            Rect rectangle;
            
            rectangle = new Rect(200, 45, 150, 400);
            Cv2.GrabCut(image, mask, rectangle, bgM, fgM, 5, GrabCutModes.InitWithRect);

            Mat result = new Mat(mask.Rows, mask.Cols, MatType.CV_8UC1);
            for (int i = 0; i < mask.Rows; i++)
            {
                for (int j = 0; j < mask.Cols; j++)
                {
                    byte v = mask.Get<byte>(j, i);
                    switch (v)
                    {
                        case 0:
                            result.Set<byte>(j, i, 0);
                            break;
                        case 1:
                            result.Set<byte>(j, i, 255);
                            break;
                        case 2:
                            result.Set<byte>(j, i, 50);
                            break;
                        case 3:
                            result.Set<byte>(j, i, 200);
                            break;
                    }
                }
            }
            Cv2.ImShow("grab", result);
        }

我们划分出四个结果类型的区域,来看看分割的是否准确:

通过色块可以看到,我们还是切割出来了的,找到我们需要的色块类型,进行还原,并将其他色块统一:

csharp 复制代码
for (int i = 0; i < mask.Rows; i++)
            {
                for (int j = 0; j < mask.Cols; j++)
                {
                    byte v = mask.Get<byte>(j, i);
                    switch (v)
                    {
                        case 0:
                            result.Set<byte>(j, i, 0);
                            
                            break;
                        case 1:
                            result.Set<byte>(j, i, 0);
                           
                            break;
                        case 2:
                          
                            result.Set<byte>(j, i, 0);
                            break;
                        case 3:
                            result.At<Vec3b>(j, i)[0] = image.At<Vec3b>(j, i)[0];
                            result.At<Vec3b>(j, i)[1] = image.At<Vec3b>(j, i)[1];
                            result.At<Vec3b>(j, i)[2] = image.At<Vec3b>(j, i)[2];
                            //result.Set<byte>(j, i, 200);
                            break;
                    }
                }
            }

分割成功!

相关推荐
李一帆'1 小时前
【论文阅读】Hierarchical Group-Level Emotion Recognition
论文阅读·计算机视觉
正在走向自律1 小时前
AI数字人:繁荣背后的伦理困境与法律迷局(8/10)
人工智能·python·opencv·语音识别·ai数字人·ai伦理与法律
Iotfsd2 小时前
.NET写的开源工业物联网网关(IoTGateway)
物联网·c#·.net·dotnet·边缘网关·雾计算·工业物联网智能网关
先生沉默先2 小时前
c#接口_抽象类_多态学习
开发语言·学习·c#
豆芽8192 小时前
图解YOLO(You Only Look Once)目标检测(v1-v5)
人工智能·深度学习·学习·yolo·目标检测·计算机视觉
江沉晚呤时2 小时前
深入了解C# List集合及两种常见排序算法:插入排序与堆排序
windows·sql·算法·oracle·c#·排序算法·mybatis
iReachers2 小时前
使用命令行加密混淆C#程序
开发语言·c#
北上ing2 小时前
从FP32到BF16,再到混合精度的全景解析
人工智能·pytorch·深度学习·计算机视觉·stable diffusion
Eric.Lee20213 小时前
数据集-目标检测系列- F35 战斗机 检测数据集 F35 plane >> DataBall
人工智能·算法·yolo·目标检测·计算机视觉
白熊1883 小时前
【计算机视觉】CV实践- 基于PaddleSeg的遥感建筑变化检测全解析:从U-Net 3+原理到工程实践
人工智能·计算机视觉