GrabCut是一个基于计算机视觉中的图割（英语：Graph cuts in computer vision）理论的图像分割方法。
在GrabCut中，像素被划分为ground truth background、ground truth foreground、maybe background、maybe foreground四类标签。开始时，用户需要画出一个完整包含目标物体的边界框（英语：bounding box）。框内的像素被标记为maybe foreground，而框外的则是ground truth background。
C. Rother, V. Kolmogorov, and A. Blake, GrabCut: Interactive foreground extraction using iterated graph cuts （页面存档备份，存于互联网档案馆）, ACM Trans. Graph., vol. 23, pp. 309–314, 2004.
十二月 12, 2023
grabcut, 是一个基于计算机视觉中的图割, 英语, graph, cuts, computer, vision, 理论的图像分割方法, 在中, 像素被划分为ground, truth, background, ground, truth, foreground, maybe, background, maybe, foreground四类标签, 开始时, 用户需要画出一个完整包含目标物体的边界框, 英语, bounding, 框内的像素被标记为maybe, foreground, 而框外的则是ground, . GrabCut是一个基于计算机视觉中的图割 英语 Graph cuts in computer vision 理论的图像分割方法 在GrabCut中 像素被划分为ground truth background ground truth foreground maybe background maybe foreground四类标签 开始时 用户需要画出一个完整包含目标物体的边界框 英语 bounding box 框内的像素被标记为maybe foreground 而框外的则是ground truth background 然后算法使用高斯混合模型 GMM 估计目标物体和背景的色彩分布 GMM用于在像素标签上构建马尔可夫随机场 其能量函数更喜欢具有相同标签的连接区域 运行基于图割 如最小割 的优化来推断位于不确定区域 标签为maybe background maybe foreground的像素 的标签值 此估计比用户画出的边界框的原始估计更准确 因此上述过程将多次重复 直到收敛 用户可以通过反复多次指出错误分类的区域 使算法重新运行优化 获得更佳结果 OpenCV中已经提供开源实现 参见 编辑连通性 图论 Prim算法 Edmonds Karp算法 计算机视觉中的图割 英语 Graph cuts in computer vision 参考资料 编辑C Rother V Kolmogorov and A Blake GrabCut Interactive foreground extraction using iterated graph cuts 页面存档备份 存于互联网档案馆 ACM Trans Graph vol 23 pp 309 314 2004 取自 https zh wikipedia org w index php title GrabCut amp oldid 75606606, 维基百科，wiki，书籍，书籍，图书馆，
