[发明专利]一种基于蒙版插值的快速Grabcut算法

说明书

本发明公开了一种基于蒙版插值的快速Grabcut算法，其特征是，包括如下步骤：1)输入原始图像M，对其进行压缩处理得到图像M1；2)对压缩后的图像M1进行处理，获得与压缩图像M1尺寸相对应的Grabcut算法处理产生的蒙版矩阵Mask1；3)对蒙版矩阵Mask1进行扩展处理；4)对蒙版矩阵Mask2的元素进行数值修正；5)调整Mask3的长宽尺寸与原图像一致；6)对Mask3进行二值化处理得到Mask，并利用Mask对原图像进行分割。本发明所达到的有益效果：本方法对于高分辨率的图像，本方法计算效率更高，且随着图像像素数的增加，改进算法的执行效率优势越大，同时获得与Grabcut算法相近的图像分割效果。

技术领域

本发明涉及一种快速Grabcut算法，属于图像处理技术领域。

背景技术

图像分割是当今一个比较热门的研究课题，有着广阔的应用前景。它广泛应用于医学、交通、军事等领域，研究它可以为我们进一步理解、分析图像相关信息提供非常重要的帮助。图像分割实质上即是对目标区域的分离，也是对目标特征的提取。通过对这些分离和提取的数据进行处理，使得更高层次的理解与分析成为可能。这同时也使得图像分割成为图像处理到图像分析的重要部分。图像分割结果的准确性将直接影响到后期数据分析与内容理解的效果。图像分割本身是一门十分复杂和棘手的技术，由于现有图像分割算法的一些不足也促进研究者们不断创新和改进，使图像分割技术不断完善，以便使其在实际应用中发挥更好的作用。

GrabCut是一种人工交互式彩色图像分割方法，是基于图论的图像分割方法。其基本原理是源自graph cuts算法。Graph cuts是将图割的理论引入图像分割中，使图像的最佳分割问题转化为能量函数最小化的问题，并采用最小割算法使能量最小化，并结合像素标记来完成分割的N维图像分割方法，由Boykov等人于2001年提出。在Graph Cuts给出的实现中，求解能量函数所用网络图是通过灰度直方图模型来构建的。Blake等将高斯混合模型(GMM)引入来代替灰度直方图，为彩色图像的前景和背景建模，将该方法应用于彩色图像进行分割的问题中。随后Rother和Blake等通过研究高斯混合模型的随机场理论，提出了GrabCut方法。该方法以引入了高斯混合模型的Graph cuts为原型，使用人工交互来选取图像中的感兴趣目标，同时使用迭代的方式来最小化能量函数，使分割结果更加精确。

GrabCut算法与其他图像分割算法相比，交互方式简单且分割效果好，在图像分割、图像识别等领域被广泛运用。但是该算法对于前景和背景具有很高相似度的图片分割效果不理想，同时由于GMM模型的迭代求解过程复杂，使得算法时间花销大。特别在处理高分辨率图像时，处理需要花销大量时间。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种基于蒙版插值的快速Grabcut算法，解决对高分辨率图像利用常规Grabcut算法进行图像分割时计算量大的问题。

为了实现上述目标，本发明采用如下的技术方案：

一种基于蒙版插值的快速Grabcut算法，其特征是，包括如下步骤：

1)输入原始图像M，对其进行压缩处理得到图像M1，本步骤中所经历的压缩次数记为N；

2)对压缩后的图像M1进行处理，获得与压缩图像M1尺寸相对应的Grabcut算法处理产生的蒙版矩阵Mask1；同时，初始化计数变量n＝1；

3)对蒙版矩阵Mask1进行扩展处理：将蒙版矩阵Mask1通过与扩展矩阵作Kronecker积，将蒙版矩阵Mask1尺寸扩展到原来的2倍得到蒙版矩阵其中表示矩阵的Kronecker积；

4)对蒙版矩阵Mask2的元素进行数值修正：建立与Mask2相同尺寸的空矩阵Mask3，将Mask3中每个元素的数值修正为Mask2矩阵中相对应元素周边相邻的所有元素数值的算术平均值，完成一次扩展插值，更新n＝n+1；