![](https://csdnimg.cn/release/download_crawler_static/18269992/bg1.jpg)
收稿日期:20181012;修回日期:20181203 基金项目:国家科技支撑计划资助项目(2015BAK01B06);河南省科技发展计划资助项
目(142102310247)
作者简介:孔显(1994),男,河南兰考人,硕士研究生,主要研究方向为图像处理(henukx@vip.henu.edu.cn);马晓珂(1993),女,硕士研究
生,主要研究方向为图像处理.
基于非归一化直方图的 GrabCut图像分割算法改进
孔 显,马晓珂
(河南大学 计算机与信息工程学院,河南 开封 475000)
摘 要:针对 GrabCut算法在图像分割中存在迭代求解耗时长、分割结果欠分割的问题,提出了一种基于非归
一化直方图改进的 GrabCut算法。在保留 GrabCut第一次分割结果的基础上,通过非归一化直方图计算像素点
属于前景或背景的方法来代替高斯混合模型迭代学习的过程;在构图过程中引入一类新的节点 Bin进行构图以
提高分割精度。选取 MSRA1000数据集中部分图片进行实验验证,结果表明该算法在分割效果和效率上都有明
显的提升,在进行背景复杂图像的分割时改进算法优势更加明显。
关键词:GrabCut;非归一化直方图;图像分割;高斯混合模型;能量函数
中图分类号:TP39141 文献标志码:A 文章编号:10013695(2020)05055154904
doi:10.19734/j.issn.10013695.2018.10.0849
ImprovementofGrabCutimagesegmentationalgorithmbasedon
nonnormalizedhistogram
KongXian,MaXiaoke
(SchoolofComputer&InformationEngineering,HenanUniversity,KaifengHenan475000,China)
Abstract:AimingatthetimeefficiencyissueandsegmentationeffectproblemofGrabCutimagesegmentationalgorithm,this
paperproposedanimprovedGrabCutalgorithmwhichbasedonnonnormalizedhistogram.Itpreservedtheresultsofthefirst
segmentationofGrabCut,andreplacedsubsequentiterationslearningprocessofGaussianmixturemodelbythenonnormalized
histogramcalculationofpixelsbelongingtoforegroundorbackground.ItintroducedanewtypeofnodeBininthecomposition
steptocomposetheimagetoimprovethesegmentationprecision.ExperimentresultsonMSRA1000datasetindicatethatthe
algorithmhasasignificantimprovementinbothsegmentationeffectandefficiency.Theadvantageoftheimprovedalgorithmis
moreobviouswhenthecomplexbackgroundimageisbeingsegmented.
Keywords:GrabCut;nonnormalizedhistogram;imagesegmentation;Gaussianmixturemodel;energyfunction
图像分割是图像处理中一个重要的阶段,在图像识别、三
维重建、目标跟踪等领域中得到了广泛应用。图像中人们感兴
趣的区域称为目标或前景,其他区域称为背景,图像分割的实
质就是将图像中的目标区域分离并提取出来。目前,图像分割
算法 可分为监 督的图 像 分割方 法
[1]
、非监督 的图像 分 割方
法
[2]
、交互式图像分割方法
[3]
三类。交互式图像分割方法是
借助人工交互操作获取到包含目标的区域,分割结果较为准
确。其中,GrabCut算法的交互方式便捷
[4]
,分割效果较好,成
为图像分割领域中的研究热点。
Zahn
[5]
最早将图论的概念引
入图像分割领域,该方法将图像映射为带权图,把像素作为节
点,节点间的边表示像素间的关系,用权重来表示像素间的相
关程度,最后使用最大流
/最小割进行图的分割。将图像分割
问题转换为图的顶点标注问题
[6]
。基于图论的 graphcuts算
法是 2001年 Boykov等人
[7]
提出的,2004年 Rother等人
[8]
提
出交互式的 GrabCut彩色图像分割算法,均属于基于图论原理
的交互式图像分割算法中的经典算法。GrabCut算法提出之
后,很多研究人员针对
GrabCut算法存在的不足作出改进,文
献[9,10]采用超像素的方法对图像进行预处理,提高图像的
分割精度和时间效率;文献[11]采用显著性预处理提高算法
的分割性能;文献[12]中使用贝叶斯分类和简单线性迭代聚
类对算法进行改进;文献[13]中使用小波变换的 GrabCut纹理
进行图像分割。
GrabCut算法前景背景交界处分割效果不理想
[14]
,分割结
果在一定程度上存在图像欠分割的现象,且该算法通过迭代学
习优化高斯混合模型,迭代学习过程会花费一定的时间,造成
图像分割时间效率不高的问题。为此,本文提出基于非归一化
直方图改进
GrabCut算法。
1 GrabCut算法
11 主要思想
GrabGut算法是把图像中的所有像素映射为图论中的 ST
网络,将图像分割问题转换为 ST网络流的分割问题。图像简
化后的模型结构如图 1所示,S点为源点,对应为前景终点;T
点为汇点,对应背景终点。由图 1可知,边集(对于每个像素
点)可分为:与源点
S相连的边、与汇点 T相连的边和像素点
间相连的边。每条边上的权值能反映出像素点属于前景还是
背景以及相邻像素点间的颜色差异等信息;最后通过最大流 /
最小割来实现图像的分割。
!"#$#%&' #(&$)
!
"
*+,
!
"
*-,
#
$
图 1 ST网络模型
Fig.1 STnetworkmodel
第 37卷第 5期
2020年 5月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol37No5
May2020