GrabCut图像分割与交互式抠图系统

资 源 简 介

该项目旨在 MATLAB 环境下实现类似于 OpenCV 库中的 GrabCut 图像分割算法。其核心功能是利用少量用户交互（通常是一个包围目标物体的矩形框）来实现高度准确的前景物体自动提取。算法内部机制通过高斯混合模型（GMM）对图像的前景和背景颜色分布进行概率建模，并构建一个 Gibbs 能量函数，该函数不仅考虑了单个像素的颜色相似度（数据项），还通过惩罚相邻像素的不一致性来确保边界的平滑（平滑项）。系统采用迭代优化策略，在每次迭代中通过最大流最小割（Max-Flow Min-Cut）算法求解能量函数

详 情 说 明

GrabCut 交互式图像分割系统

本项目是一个基于 MATLAB 开发的高度自动化的图像分割工具。它实现了经典的 GrabCut 算法，允许用户通过简单的交互操作（如绘制矩阵框和笔刷修正）从复杂的背景中精准地提取前景目标。

项目介绍

该系统旨在解决计算机视觉中的前景提取问题。通过结合颜色空间建模与空间连续性约束，算法能够识别物体边界。其核心是一套基于能量最小化的框架，利用高斯混合模型（GMM）捕捉颜色分布，并通过图割（Graph Cut）技术寻找最优的分割路径。该系统不仅提供了自动化的初始分割功能，还支持实时的手动微调。

功能特性

• 交互式初始化：用户通过简单的鼠标拖拽绘制矩形框，系统自动将框外区域设为背景，框内区域设为待处理的前景候选区。
• 自动化建模：系统内部自动为背景和前景分别建立 5 个组件的高斯混合模型（GMM），通过颜色分布区分目标与背景。
• 智能迭代优化：基于最大流最小割算法，系统会多次迭代优化分割边界，确保结果在颜色相似度和边界平滑度之间达到平衡。
• 增强型手动修正：提供“标记前景”和“标记背景”笔刷工具。用户可以通过自由手绘（Freehand）方式强制指定特定区域的属性，系统会响应并实时重新计算最优边界。
• 实时视觉反馈：分割结果以绿色轮廓线的形式叠加在原图上显示，方便用户直接观察分割精度。
• 最终结果导出：支持一键生成二值掩膜图及前景提取图（背景自动填充为白色）。

系统要求

• MATLAB 环境（建议使用包含 Image Processing Toolbox 图像处理工具箱的版本）。
• 硬件支持：标准鼠标设备以进行图形交互。

使用方法

1. 启动程序：运行入口函数，系统会弹出文件选择对话框。
2. 图像输入：选择本地图片。若取消选择，系统将自动生成一个带有噪声的红色方块示例图用于演示。
3. 初始框选：在弹出的窗口中，使用鼠标在目标物体周围画一个矩形框。
4. 等待计算：系统将自动进行 3 轮初始迭代。
5. 交互修正：

- 如果分割不完整，点击“标记前景”按钮，在缺失的目标区域涂鸦。 - 如果背景被误选，点击“标记背景”按钮，在多出的背景区域涂鸦。

1. 完成导出：点击“重置/完成”查看最终的掩膜图和扣取后的前景图。

实现逻辑与算法细节

#### 1. 掩膜定义机制 系统内部使用四种状态来标记每个像素：

• 确定背景 (0)：矩形框外部区域或用户手动标记为背景的区域。
• 确定前景 (1)：用户手动标记为前景的区域。
• 可能背景 (2)：由算法在优化过程中推断的疑似背景。
• 可能前景 (3)：矩形框内部区域及其在优化中被推断出的疑似前景。

#### 2. 高斯混合模型 (GMM) 算法为前景和背景分别构造了一组包含了 5 个高斯分量的混合模型：

• 使用简单的 K-means 聚类算法对像素颜色（RGB）进行分组。
• 计算每个分量的均值（mu）、协方差矩阵（sigma）以及权重（pi）。
• 通过计算负对数似然（Negative Log-Likelihood）作为数据项能量，评估每个像素属性的概率。

#### 3. 能量函数构建 系统构建了一个包含两个部分的 Gibbs 能量场：

• 数据项 (T-links)：衡量像素符合前景或背景颜色模型的程度。确定区域（硬约束）将被赋予极大权重，从而在图割中保持不变。
• 平滑项 (N-links)：考虑相邻像素的相似性。系统计算 8 邻域（水平、垂直、两个对角线方向）的差值，并利用指数衰减函数计算权重。像素间差异越大，权重越低，越容易产生分割边界。

#### 4. 最大流最小割算法 算法将图像映射为一个图结构：

• 每个像素为一个节点。
• 设立虚拟的源点（Source）和汇点（Sink）。
• 使用 MATLAB 的内置图论函数构建有向图，通过求解最大流问题来寻找切割能量最小的方案，从而将节点划分为前景集和背景集。

#### 5. 核心计算细节

• Beta 参数：系统预先遍历整幅图像，计算相邻像素平方差的期望倒数，用于自适应调整平滑项的灵敏度。
• 分割修正：当用户进行手动笔刷操作时，系统会更新掩膜中的“确定”状态位，并以这些点作为硬约束点重新执行图割过程。
• 结果显示：通过 Canny 边缘检测提取掩膜边界，并将其映射到原图的绿色通道，实现分割结果的动态预览。