2

在我的项目中，我想裁剪图像的 ROI。为此，我创建了一个包含感兴趣区域的地图。现在我想裁剪具有最重要像素的区域（黑色不重要，白色很重要）。

有人知道如何实现它吗？我认为这是一个最大化问题下图中的红色边框是我想如何裁剪此图像的示例 图片

4

1 回答 1

5

如果我正确理解了您的问题，那么您已经计算了图像中每个点的值。这些值表明每个点的“重要性”/“趣味性”/“显着性”。包含这些值的矩阵/图像是您所指的“地图”。您的目标是获得具有高“重要性”分数的感兴趣区域 (ROI) 的边界框。

我认为您可以分割 ROI 的方法是应用基于 Graph Cut 的分割，使用重要性图在每个像素处计算“分数”。分割的结果是一个二进制掩码，它掩盖了“重要”像素。接下来，在这个二进制掩码上运行 OpenCV 的findcontours函数以获取各个连接的组件。然后在 findContours(...) 返回的轮廓上使用 OpenCV 的boundingRect函数来获取边界框。

以这种方式使用基于 Graph Cut 的分割算法的好处在于，它将连接碎片化的组件，即即使您的“重要性”图嘈杂，生成的二进制掩码也不会有小洞。

在 OpenCV 中已经实现的一种基于 Graph Cut 的分割算法是 GrabCut 算法。一个快速的技巧是将它应用到你的“重要性”地图上，以获得我上面提到的二进制掩码。一种更复杂的方法是使用您的“重要性”图构建前景和背景（可能是颜色？）模型并将其作为输入传递给函数。有关 OpenCV 中 GrabCut 的更多详细信息，请参见：http://docs.opencv.org/modules/imgproc/doc/miscellaneous_transformations.html?highlight=grabcut#void grabCut(InputArray img, InputOutputArray mask, Rect rect, InputOutputArray bgdModel, InputOutputArray fgdModel, int iterCount, int mode)

如果您想要更大的灵活性，您可以使用以下 MRF 库破解您自己的基于图形的分割算法。该库允许您在计算图割时指定自定义目标函数：http: //vision.middlebury.edu/MRF/code/

要使用 MRF 库，您需要在图像中的每个点指定“成本”，指示该点是“前景”还是“背景”。您也可以将这种二分法视为“重要”或“不重要”，而不是“前景”与“背景”。MRF 库的目标是在每个点返回一个标签，以便分配这些标签的总成本尽可能小。因此，游戏是想出一个函数来计算你认为重要的点的小成本，否则大。

具体来说，每个点的成本由两部分组成：1）数据项/函数和 2）平滑项/函数。如前所述，每个点的数据项越小，该点被选中的可能性就越大。如果您的“重要性”分数 s_ij 在 [0, 1] 范围内，那么计算数据项的常用方法是 -log(s_ij)。

平滑项是一种建议 2 个相邻像素 p、q 是否应该具有相同标签的方法，即“前景”、“背景”或一个“前景”和另一个“背景”。与数据成本类似，您必须构建它，使得具有相似“重要性”分数的相邻像素的成本很小，以便为它们分配相同的标签。该术语负责“平滑”生成的蒙版，这样您就不会在“重要性”高的区域内散布低“重要性”的像素，反之亦然。如果有这样的区域，上面提到的 OpenCV 的 findContours(...) 函数将返回这些区域的轮廓，也许可以通过检查它们的大小来过滤掉它们。

有关计算成本的函数的详细信息，请参阅 GrabCut 论文：GrabCut

这篇博客文章提供了更多关于在 OpenCV 中创建自己的图形分割算法的详细信息（和代码）：http ://www.morethantechnical.com/2010/05/05/bust-out-your-own-graphcut-based-图像分割-with-opencv-w-code/

另一篇论文展示了如何在 GrabCut 论文中使用更好的符号和没有复杂的图像抠图部分（未在 OpenCV 版本中实现）对灰度图像（您的情况）执行图形切割分割，这是：Graph Cuts and Efficient ND Image Segmentation

希望这可以帮助。

于 2012-12-06T07:58:03.313 回答