[发明专利]一种基于Grab Cut算法的图像分割方法

权利要求书

1.一种基于Grab Cut算法的图像分割方法，其特征在于，该方法包括：

采集待处理图像，形成图像数据集，并对各个图像进行预处理；

对预处理后的图像采用Graph Cut算法统计出对应图像中每个像素的标签值，并将目标前景用矩形框圈出，统计矩形框中标签的种类和每个标签对应像素点的数量；

根据所述标签对应像素点的数量计算所述矩形框中每种标签的像素占整幅图像属于该种标签的像素比例，根据设置的双阈值确定矩形中标签的种类，进而得到掩膜图像信息；

利用生成的掩膜图像，进行Grab Cut迭代分割，完成图像分割；

所述根据设置的双阈值确定矩形中标签的种类，具体包括：

双阈值设置为H₁和H₂，0＜H₁＜H₂＜1，若所述像素比例L_k＜H₁，则将矩形框中的属于该标签的像素视为背景的一部分，否则，若H₁≤L_k≤H₂，则将矩形框中的属于标签的像素部分视为可能的背景，否则，若L_k≥H₂，则将矩形框中的属于标签的像素部分视为可能的前景；

所述两个阈值的设定根据特定的图片应用场景，设定方式是：

根据图片分割的平滑约束度，利用K值来设定阈值H₁和H₂，利用公式：

其中，K代表Graph Cut算法设定的Potts模型参数，P代表用户交互后得出的矩形框中像素点的总数，Connect_size代表像素点与其相邻8邻域像素点的连通平均值。

2.根据权利要求1所述的基于Grab Cut算法的图像分割方法，其特征在于，所述对各个图像进行预处理包括：对图像进行高斯滤波后，采用二阶拉普拉斯算子进行锐化处理。

3.根据权利要求1所述的基于Grab Cut算法的图像分割方法，其特征在于，所述根据所述标签对应像素点的数量计算所述矩形框中每种标签的像素占整幅图像属于该种标签的像素比例，包括：

Graph Cut算法将图片分为不同的区域，每个区域对应唯一的标签值，假设整幅图像共有N个标签，每个标签表示为k＝1,2,...,N，属于特定标签的像素点数量表示为S_k；用户交互完成后，在用户圈出的矩形框内总共有i个标签，其中，i≤N，属于第i个标签的像素点数量为R_i，其中，i＝1,2,...,N，因此，用户交互后的矩形框中像素所占整副图像像素标签的比例为：

k＝1,2,...,N,andk∈i

即L_k的含义是矩形框中的一个像素属于背景的可能性。

4.根据权利要求1所述的基于Grab Cut算法的图像分割方法，其特征在于，所述得到掩膜图像信息，具体包括：生成的掩膜图像中的每个像素均采用一个不同的数值表示。

5.根据权利要求1所述的基于Grab Cut算法的图像分割方法，其特征在于，所述利用生成的掩膜图像，进行Grab Cut迭代分割，具体包括：

(1)初始化掩膜图像，并计算n-links；

(2)采用k-means聚类方法初始化高斯混合模型，进而计算得到t-links；

(3)计算该图对应的最大流和最小割；

(4)确认图像中的背景区域和前景区域分割是否合理，如果合理，则结束算法，否则，返回到步骤(2)重构高斯混合模型。