基于图像分割的图像抠取算法的研究与实现论文.docVIP

基于图像分割的图像抠取算法的研究与实现毕业论文 目 录 1 绪论 1 1.1课题研究的背景和意义 1 1.2 图像抠取软件及成果的现状 1 1.2.1 综合化的图像处理软件 2 1.2.2 单一化的图像处理软件 3 1.3 本文所做的主要工作 3 2 图像分割简述 4 2.1图像分割概述 4 2.1图像分割的基本方法 4 3.1.1 经典的图像分割方法 4 3.1.2 新颖的图像分割方法 7 3 算法实现的工具及技术简介 9 3.1 MFC概述[4] 9 3.1.1 MFC编程框架 9 3.1.2 MDI应用程序构成 11 3.2 GDI+介绍 13 3.2.1 GDI简介[5] 13 3.2.2 GDI+介绍 13 3.3 OPENGL简介 15 3.3.1 OpenGL工作流程 15 3.3.2 OpenGL图形操作步骤 15 4 GrabCut图像抠取算法简介 17 4.1 GraphCutst算法简介 17 4.2 GrabCut算法简介 17 4.3 GrabCut算法准备 18 4.3.2 高斯混合模型介绍 18 4.3.2 GrabCut算法中的数据结构 19 4.4 算法过程描述 20 4.4.1 算法初始化过程 20 4.4.2 自学习的高斯组件 20 4.4.3 最小分割 20 4.4.4 算法流程介绍 21 5 GrabCut算法及辅助功能的实现 23 5.1 GrabCut 算法的实现 23 5.1.1 数据结构介绍及初始化 23 5.1.2 高斯混合模型的建立的实现 27 5.1.3 高斯混合模型的学习过程的实现 29 5.2 GrabCut 算法实现后的效果演示 29 5.3 目标对象处理 30 5.3.1 可分离目标对象的标记 30 5.3.2 目标图像大小的调整 32 5.3.3 目标图像/合成图像的保存 33 6 总结与展望 38 6.1 总结 38 6.2 展望 38 参考文献 39 声 明 40 致 谢 41 附录1 关键代码 42 附录 2 翻译（原文和译文） 47 1 绪论 本章节对课题研究的背景和意义,以及目前可用于实现图像抠取的软件的现状进行了介绍。并在最后就本文所做的主要安排进行了简述。 1.1课题研究的背景和意义 随着电子数码设备的普及，以及电子计算机，互联网的广泛使用，人们对各种图像的使用的频度的增加，广大用户对一些图像进行一些简单处理的需求也越来越多。然而现在存在的一些专业图像处理软件并没能够很好的解决大部分用户的一些极为简单的需求。如如何从图像中抠取出自己想要的对象如一个人，一辆车，再如如何简单快速的替换一些图片的背景这种极为简单的图像处理需求对一些不会使用专业图像处理软件的用户来说却非常困难的一件事。大家都渴望出现一个简单却智能的图像处理软件，它不需要用户掌握及其高难度的操作，以及记忆大量操作命令，而仅仅是提供一个单一功能却易操作的可进行目标抠取，背景替换的图像处理软件。 并且对于会使用专业图像处理软件的用户来说，一个简单的目标抠取，背景替换的图像处理软件能够为他们在制作一些复杂项目时提供大量的素材来源，不用为了得到一张图像中的一个目标，而花费大量时间去利用专业软件从中抠取图像对象。他只需要一些简单操作就可快速得到他想要的效果。 除此之外,随着计算机视觉理论和算法研究的发展，以及计算机硬件性能的不断提高，越来越多的智能处理系统的广泛使用，以及复杂情况下处理要求的攀升，对于做为很多图像处理技术基础的图像分割目标提取技术就显得更为需要简单化，智能化。简单是指的交互简单，而智能则是指系统能更加智能的理解用户的需求。这样就可以在更少的交互下得到更为满意的处理效果。这样一个好的图像分割算法的实现成果，就会变得极为有意义。 而满足以上用户需求的软件实现的核心问题就是如何实现一个在图像分割领域内有着良好表现的图像抠取算法。在算法实现的基础上想要制作出一个具有市场价值的软件就变得极为容易进行了。并且这个实现可以不仅仅可以被做为主体设计出一个软件，也可以成为一些大型系统的嵌入模块。 GrabCut算法只要求极少的用户交互，因此在今后的研究发展中结合一些其他的智能算法是完全可能实现完全智能化的，它可以自动找出图片中的有意义对象，并且实现多个对象的组合，以便能够更好满足用户的需求。为用户提供更为简单直接的服务。 综上所述，对于GrabCut图像抠取算法的研究与实现是极为价值的。 1.2 图像抠取软件及成果的现状 在当前图像处理领域，要么一些软件过于大型专业，让初学者望而却步，让专业人士效率不高；要么过于傻瓜，功能太过简单，创意难以得到有效发挥，产品品质和处理速度也良莠不齐。 1.2.1 综合化的图像处理软件 这类软件的数量非常多，它们虽然重心各有不同，但是从它们所提供