通过用户输入进行背景扣除

Question

我正在寻找一种算法，或者甚至更好的是，某个库涵盖了从单个静态图像中扣除背景（没有可用的背景模型）。 不过，可能会出现某种用户输入，例如https://clippingmagic.com 。 遗憾的是，我的Google Fu在这里不好，因为我用有限的关键字找不到关于该主题的任何论文。

Answer 1

该网页确实令人印象深刻。 如果我要尝试实现类似的东西，则可能会使用CIELAB colorspace进行 k-means聚类 。 更改颜色空间的原因是，可以用两点而不是3点的颜色来表示常规的RGB图像。 这将加速群集。 此外，CIELAB颜色空间就是为此目的而建立的，它可以发现颜色之间的“距离”（相似性），并解释人类对颜色的感知方式。 不只是查看计算机具有的原始二进制数据。

但是简要介绍一下kmeans。 在此示例中，我们将说k = 2（仅意味着两个群集）

1. 用均值初始化每个聚类。
2. 遍历图像中的每个像素，并确定哪个更接近簇1或2？
3. 处理完所有像素后，为群集计算新的均值
4. 使用新计算的均值重复步骤2-4，直到收敛为止（意味着均值变化不大）

现在，当前景图像与背景明显不同时，这将很好地工作。 在蓝色背景下说一个红色的球，但是如果颜色相似，就会出现更多问题。 我仍然会坚持kmeans，但拥有更多的集群。 因此，在该网页上，您可以选择多个红色或绿色。 我将这些笔画中的每一个都作为一个簇，并将我的簇初始化为均值。 假设我画了3个红色笔画和2个绿色笔画。 这意味着我将有5个小组。 但是在某种程度上，我在内部添加了一个额外的属性作为前景/背景。 这样每个聚类会有很小的差异，但是最后，我只会显示该属性，前景或背景。 我希望这是有道理的。

也许现在您有了一些搜索词 。 可能还有许多其他方法，但这是我想到的第一个，祝您好运。

编辑

在玩了更多网站之后，我看到它使用空间接近度来聚类。 可以这么说，我在图像的相对两侧有两个相同的红色斑点。 如果仅注释图像的左侧，则可能无法检测到右侧的斑点。 Kmeans不会复制此行为，因为我描述的方法仅使用颜色将像素完全聚类，而完全不考虑它们在图像中的位置。

我不知道您可以使用哪些工具，但这是基于颜色的kmeans的一个不错的matlab示例/教程