通過用戶輸入進行背景扣除

Question

我正在尋找一種算法，或者甚至更好的是，某個庫涵蓋了從單個靜態圖像中扣除背景（沒有可用的背景模型）。 不過，可能會出現某種用戶輸入，例如https://clippingmagic.com 。 遺憾的是，我的Google Fu在這里不好，因為我用有限的關鍵字找不到關於該主題的任何論文。

Answer 1

該網頁確實令人印象深刻。 如果我要嘗試實現類似的東西，則可能會使用CIELAB colorspace進行 k-means聚類 。 更改顏色空間的原因是，可以用兩點而不是3點的顏色來表示常規的RGB圖像。 這將加速群集。 此外，CIELAB顏色空間就是為此目的而建立的，它可以發現顏色之間的“距離”（相似性），並解釋人類對顏色的感知方式。 不只是查看計算機具有的原始二進制數據。

但是簡要介紹一下kmeans。 在此示例中，我們將說k = 2（僅意味着兩個群集）

1. 用均值初始化每個聚類。
2. 遍歷圖像中的每個像素，並確定哪個更接近簇1或2？
3. 處理完所有像素后，為群集計算新的均值
4. 使用新計算的均值重復步驟2-4，直到收斂為止（意味着均值變化不大）

現在，當前景圖像與背景明顯不同時，這將很好地工作。 在藍色背景下說一個紅色的球，但是如果顏色相似，就會出現更多問題。 我仍然會堅持kmeans，但擁有更多的集群。 因此，在該網頁上，您可以選擇多個紅色或綠色。 我將這些筆畫中的每一個都作為一個簇，並將我的簇初始化為均值。 假設我畫了3個紅色筆畫和2個綠色筆畫。 這意味着我將有5個小組。 但是在某種程度上，我在內部添加了一個額外的屬性作為前景/背景。 這樣每個聚類會有很小的差異，但是最后，我只會顯示該屬性，前景或背景。 我希望這是有道理的。

也許現在您有了一些搜索詞 。 可能還有許多其他方法，但這是我想到的第一個，祝您好運。

編輯

在玩了更多網站之后，我看到它使用空間接近度來聚類。 可以這么說，我在圖像的相對兩側有兩個相同的紅色斑點。 如果僅注釋圖像的左側，則可能無法檢測到右側的斑點。 Kmeans不會復制此行為，因為我描述的方法僅使用顏色將像素完全聚類，而完全不考慮它們在圖像中的位置。

我不知道您可以使用哪些工具，但這是基於顏色的kmeans的一個不錯的matlab示例/教程