iPhone也有去背的功能，那麼OpenCV能不能做到這件事呢?，答案是可以的
- 如果圖像背景簡單且與前景有明顯的顏色區分，可以使用 色彩空間轉換 或 閥值分割。
- 如果背景較為複雜一點點，但你可以提供一個大致的前景位置，則可以使用 GrabCut。
結果圖
但在背景相當複雜的情況下，結果就不太好，若要好又要設很多條件才能完美切割。
GrabCut 是一種強大的前景提取演算法，特別適合處理具有複雜背景的圖像分割問題。它基於圖割（Graph Cut）的技術進行迭代優化，能夠在給定前景物體的大致區域後，自動分割出前景。
GrabCut 演算法的核心原理
GrabCut 演算法基於 最大流最小割 的圖論技術。圖像中的每個像素被視為圖中的一個節點，而前景和背景被視為兩個特殊的節點：源點（Source） 和 匯點（Sink）。演算法通過最大化像素到這兩個特殊點的連接來進行優化。這意味著，演算法會嘗試尋找一個切割線，將圖像中的節點劃分為前景和背景。
- 數學模型：GrabCut 將前景和背景的像素顏色分布建模為 高斯混合模型（GMM）。在每次迭代中，算法會根據當前的分割結果不斷更新 GMM，並進一步優化分割。
cv2.grabCut 函數的語法：
cv2.grabCut(img, mask, rect, bgdModel, fgdModel, iterCount, mode)
各個參數說明：
- img：
- 類型：np.ndarray（輸入圖像）
- 說明：這是需要進行分割的原始圖像。它應該是一個彩色圖像（通常是 BGR 格式）。演算法將根據這個圖像來計算前景和背景的分割。
- 用途：分割目標圖像。
- mask：
- 類型：np.ndarray（遮罩）
- 說明：這是一個與圖像大小相同的單通道遮罩圖像，表示哪些像素是前景、背景或不確定的區域。它通常在初始執行時全為 0。
- 當使用 cv2.GC_INIT_WITH_RECT 模式時，矩形內的像素會被初始化為可能的前景，矩形外的像素會被初始化為背景。
- 遮罩的值可以為以下幾個：
cv2.GC_BGD（0）：確定的背景像素。
cv2.GC_FGD（1）：確定的前景像素。
cv2.GC_PR_BGD（2）：可能的背景像素。
cv2.GC_PR_FGD（3）：可能的前景像素。 - 用途：分割過程中會不斷更新這個遮罩，將像素標識為前景或背景。
- rect：
- 類型：tuple（矩形邊界，格式為 (x, y, w, h)）
- 說明：用來定義包含前景物體的大致區域。矩形內的像素被初始化為前景，矩形外的像素被初始化為背景。該矩形不需要完全精確包圍前景，但要盡量包含整個前景，避免太多背景。此參數僅在 cv2.GC_INIT_WITH_RECT 模式下使用。
- 用途：指定初始前景和背景區域。
- bgdModel（背景模型）：
- 類型：np.ndarray，大小為 (1, 65)，浮點數類型。
- 說明：這是背景模型，它是由 GrabCut 演算法內部計算並用來描述背景顏色分布的數據結構。該陣列在運行之前需要初始化為全 0。演算法在運行過程中會更新此模型。
- 用途：演算法內部用來表示背景的顏色統計模型，外部不需要干預。
- fgdModel（前景模型）：
- 類型：np.ndarray，大小為 (1, 65)，浮點數類型。
- 說明：這是前景模型，它是由 GrabCut 演算法內部計算並用來描述前景顏色分布的數據結構。該陣列在運行之前需要初始化為全 0。演算法在運行過程中會更新此模型。
- 用途：演算法內部用來表示前景的顏色統計模型，外部不需要干預。
- iterCount：
- 類型：整數
- 說明：表示演算法應該進行的迭代次數。演算法是一個迭代優化過程，每次迭代會優化分割結果。通常 5-10 次迭代已經能夠產生滿意的結果。如果結果不理想，增加迭代次數可能會改善結果。
- 用途：控制演算法的收斂過程。
- mode：
- 類型：int，表示初始化模式。
- 說明：這個參數指定了 GrabCut 的初始化方式，有兩種模式：cv2.GC_INIT_WITH_RECT：使用矩形來初始化前景和背景。這是最常用的模式，矩形內的像素被初始化為前景，矩形外的像素被初始化為背景。cv2.GC_INIT_WITH_MASK：使用遮罩來初始化前景和背景。如果遮罩已經部分標定了前景和背景區域，可以使用這種模式進行更精確的初始化。
- 用途：指定 GrabCut 的初始化方法，是使用矩形還是掩膜進行初始分割。
使用矩形來初始化前景和背景
範例
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 顯示圖像的函數
def show_image(image, title="Image"):
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title(title)
plt.axis('off') # 不顯示座標軸
plt.show()
# 讀取圖像
image_path = 'your_image_path.png' # 替換成你的圖像路徑
img = cv2.imread(image_path)
# 初始化掩膜
mask = np.zeros(img.shape[:2], np.uint8)
# 背景和前景模型（由 GrabCut 需要）
bgdModel = np.zeros((1, 65), np.float64)
fgdModel = np.zeros((1, 65), np.float64)
# 定義一個矩形來包含前景物體
rect = (350, 200, 300, 300) # 根據圖像大小進行調整 x,y,w,h
# 在原圖上畫出矩形框
img_with_rect = img.copy()
cv2.rectangle(img_with_rect, (rect[0], rect[1]), (rect[0] + rect[2], rect[1] + rect[3]), (0, 255, 0), 2)
# 顯示畫出矩形框的圖像
show_image(img_with_rect, "Image with Rectangle")
# 執行 GrabCut 算法
cv2.grabCut(img, mask, rect, bgdModel, fgdModel, 10, cv2.GC_INIT_WITH_RECT)
# 修改掩膜以提取前景
mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8')
grabcut_result = img * mask2[:, :, np.newaxis]
# 顯示原圖和 GrabCut 結果
show_image(img, "Original Image")
show_image(grabcut_result, "GrabCut Foreground Extraction")
原圖
矩形位置
框選想保留的物件位置
GrabCut 結果
使用遮罩來初始化前景和背景
先標示前景與背景的區域，設定一個矩形範圍。
範例
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 顯示圖像的函數
def show_image(image, title="Image"):
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title(title)
plt.axis('off') # 不顯示座標軸
plt.show()
# 讀取圖像
image_path = 'your_image_path.png' # 替換成你的圖像路徑
img = cv2.imread(image_path)
# 初始化掩膜
mask = np.zeros(img.shape[:2], np.uint8)
# 背景和前景模型（由 GrabCut 需要）
bgdModel = np.zeros((1, 65), np.float64)
fgdModel = np.zeros((1, 65), np.float64)
# 定義一個矩形來包含前景物體
rect = (350, 200, 300, 300) # 根據圖像大小進行調整 x,y,w,h
# 手動調整掩膜來改善前景檢測
mask[200:500, 350:650] = cv2.GC_FGD # 標記這部分是確定的前景
mask[800:1000, 40:300] = cv2.GC_BGD # 標記這部分是確定的背景
# 再次執行 GrabCut
cv2.grabCut(img, mask, None, bgdModel, fgdModel, 5, cv2.GC_INIT_WITH_MASK)
# 修改掩膜以提取前景
mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8')
grabcut_result = img * mask2[:, :, np.newaxis]
# 顯示原圖和 GrabCut 結果
show_image(img, "Original Image")
show_image(grabcut_result, "GrabCut Foreground Extraction")
遮罩的進階用法
設定符合顏色範圍的部分，設定為前景，以下範例設定為紅色的部分，就可只截取氣球的部分了
# 初始化掩膜
mask = np.zeros(img.shape[:2], np.uint8)
# 將圖像轉換為 RGB 色彩空間
RGB_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 定義顏色範圍
lower_color = np.array([150, 0, 0]) # 低閥值
upper_color = np.array([255, 70, 70]) # 高閥值
# 創建遮罩，篩選出符合顏色範圍的部分
mask_red = cv2.inRange(RGB_img, lower_color, upper_color)
# 初始化 GrabCut 所需的掩膜
mask_grabcut = np.zeros(img.shape[:2], np.uint8)
# 使用篩選出的顏色區域更新掩膜，將篩選出的部分設為"可能前景"（cv2.GC_PR_FGD）
mask_grabcut[mask_red > 0] = cv2.GC_PR_FGD
