英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

copy; Springer International Publishing Switzerland 2015

Y. Tan et al. (Eds.): ICSI-CCI 2015, Part III, LNCS 9142, pp. 341–348, 2015.

DOI: 10.1007/978-3-319-20469-7_36

基于改进的GrabCut算法的图像分割

Shuai Li1,2,3, Xiaohui Zheng1,2,4, Xianjun Chen4,5( ), and Yongsong Zhan1,2,3,4

1 Key Laboratory of Cloud Computing and Complex System, Guilin University of Electronic Technology, Guilin 541004, Guangxi, Peoplersquo;s Republic of China

2 Guangxi Experiment Center of Information Science, Guilin University of Electronic Technology, Guilin 541004, Guangxi, Peoplersquo;s Republic of China

3Key Laboratory of Intelligent Processing of Computer Image and Graphics, Guilin University of Electronic Technology, Guilin 541004, Guangxi, Peoplersquo;s Republic of China

4Guangxi Key Laboratory of Trusted Software, Guilin University of Electronic Technology, Guilin 541004, Guangxi, Peoplersquo;s Republic of China hingini@126.com 5Information Engineering School, Haikou College of Economics,Haikou 571127, Hainan, Peoplersquo;s Republic of China

摘要 传统的计算机肖像漫画系统直接采取夸大和变形的图像处理方法，导致图像背景变形。 如果在预处理阶段，我们将输入图像的字符和背景进行分割，然后再做后续处理，问题可能会解决。 为了使肖像漫画得到更好的效果，我们需要一个更好的分割算法，所以，我们提出了改进的Grabcut图像分割算法并使用它提取出夸大和变形的前景字符图像。在实际操作中，我们用TPS方法分离变形和夸大的前景字符图像，然后将其与原始或新的背景图片融合，得到最终的图像。 实践证明，该方法很好解决了背景变形问题，提高了图像分割的质量和速率，使图像合成效果更真实和自然。

关键词：图像分割，GrabCut，肖像漫画

1 介绍

近年来，数字媒体行业发展迅速，肖像漫画类应用逐渐进入用户视野并受到喜爱。 但在学习传统计算机肖像漫画系统时，发现它主要采取直接夸张和变形的方法将真实图像生成个性化的漫画，但同时，它导致面部图像背景的变形，减少了漫画场景的真实效果。 如果我们在预处理阶段从输入图像中分离出字符和背景，然后做后续的夸大加工，最终效果会更好。 而分割的速度和质量可以直接影响到最终漫画生成的时间和漫画效果的质量。 因此，提出一种快速有效并且合适的图像分割算法对计算机肖像漫画系统至关重要。

为了达到更好的肖像漫画效果，我们需要一个更好的分割算法。所以，我们提出改进的Grabcut图像分割算法并使用它提取出夸大和变形前景字符图像。在实际操作中，我们用TPS方法分离。

图像分割是一种基本的计算机视觉技术，有很多算法。在2001年，Boykov [1]等人提出了基于能量最小化的GraphCut算法，它是目前被认为在研究和应用领域使用最广泛的图像分割方法之一。2004年，Rother [2]提出了基于Graphcut算法的Grabcut算法，其提取效果更好，应用于图形分割领域并且更加成熟，吸引了许多研究者进行研究和完善。如Chen [3]通过GMM模型提高了GrabCut的分割性能；周[4]使用多尺度分水岭对图像平滑去噪，并再次对新梯度图像进行分水岭运算，最后使用熵惩罚因子优化分割能量函数；Han [5]则使用一种新的方法来替代GMM模型。上述三种方法都提高了分割的准确性，但是耗时长。为了减少耗时，文献[6-8]提出使用分水岭算法预处理图像；Zhang [9]提出采用二叉树色彩量化算法代替用于聚类的k-means算法；丁[10]提供降低图像的分辨率和窄图像以加速收敛速度。

研究表明，改进的分割方法的目的有两点：提高分割速度和准确性。所以我们提出了一个改进的Grabcut图像分割方法，在小波变换的基础上组合分水岭算法和图像压缩算法，并应用于Grabcut的预处理过程中。在实际应用中，我们也将其应用于基于TPS [11]方法的肖像漫画创作。

2 肖像背景分割

对于面部图像背景分割，我们提出基于原始Grabcut算法改进的Grabcut算法。 它将超像素和小波变换图像压缩算法结合起来，对原始图像进行预处理，旨在保证分段质量，减少GMM参数的估计时间，提高图像分割的执行效率，获得良好的分割结果。

2.1 原始的GrabCut算法

Grabcut算法使用迭代能量最小化来分割图像。它的分割准确性好，可以从复杂背景中有效提取潜在目标，具有良好的鲁棒性，但耗时较长。

Grabcut算法的颜色数据模型。Grabcut算法采用RGB颜色空间并引入高斯混合模型（GMM）。GMM模型使用了完整协方差与K个高斯分量模型来获取目标前景和背景。为了更好地使用GMM模型，它引入了一个向量,,并用于对应唯一像素。因此图像分割的吉布斯能量是由GMM的变量k确定，公式如下：

(1)

(2)

其中，是不透明度，0表示背景，1表示前景。参数表示图像的灰色直方图。表示图像灰度值数组。U是区域项。经过排序并取其负对数，混合高斯密度公式可以表示为公式（3）。

(3)

(4)

通过上述推理，模型参数可以确定为公式（4）。彩色图像的平滑项V可以表示为公式（5）。

(5)

能量最小化分段迭代算法。Grabcut是一个迭代最小化的过程，其每次迭代是GMM参数的优化过程。其算法过程可以描述如下：

(1)用户通过交互获得初始化的trimap T，框外的像素是背景像素，框中的像素是“可能的目标”像素 。已初始化的像素在中为，在为，并通过K-means算法初始化了GMM模型的前景和背景。

(2)在分布匹配GMM中的每个像素的高斯分量。

(6)

(3)从给定的图像数据Z中学习优化的GMM参数模型。

(7)

(4)用最小分割算法对图像进行分割。

(8)

1. 重复步骤1~3，直到收敛。

2.2改进的GrabCut算法的效果

Grabcut算法是一个NP问题，所以如果图像的节点数过多，那解决问题就更费时。为了减少节点数，我们使用二次分水岭算法和小波变换将图像分割成超像素并压缩图像。其具体步骤如下：(a)标定目标矩形区域。(b)通过分水岭算法进行初步分割，生成超像素。(c)通过标记的矩形初始化三元图T。设置前景为空，为背景的补码。通过K-means算法使用和初始化前景和背景的GMM模型。 (d)使用小波变换算法进行压缩以上图像，获得压缩图像。(e)在中签署前台GMM，并且在分水岭分割后的整个框图中标记背景GMM。(f)将超像素视为节点，将相邻节点之间的连接视为边缘结构s-t网络图模型，然后使用最小化分割算法求解公式（3）的数据项，得到初始分割。(g)更新GMM参数。 (h)对压缩图像从步骤(e)-(g)进行迭代分割处理。(i)通过公式(9)从收敛结果得到原始图像中的每个像素值。(j)用 Grabcut算法迭代最小化了对原始图像的分割过程，并使用边框填充方法来平滑相交的边缘。

(9)

为了测试改进的Grabcut算法的性能，将我们改进的方法和原始的Grabcut算法产生的图像结果进行了对比，结果如图1所示。 第一列是原始图像；第二列是原始Grabcut算法的结果；第三列是我们的结果。从比较的结果可以看到双方分割的结果相对一致。

图1.我们的算法和Grabcut算法的效果比较

表1比较了两种方法的分割耗时，并列出了超像素数。 I代表我们的方法，G表示Grabcut算法。前三个迭代在预处理图像上，第四次迭代在原始图像上。我们发现分割在第二次或第三次迭代时大致实现收敛。

表1我们和原始算法之间的效率比较

3 改进算法在肖像漫画中的应用

上述部分提出了一种用于字符图像的前景提取方法。 这个部分应用于肖像漫画的创作过程，夸大和变形并独立地提取字符图像，然后合成分割图像，获得最终结果。TPS算法易于操作，夸张效果很好，所以我们选择它作为我们的实验主题。

3.1薄板样条算法

基于TPS算法的

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25725]，资料为PDF文档或Word文档，PDF文档可免费转换为Word