Vin*_*wal 3 image image-processing image-segmentation
我已经考虑了很长一段时间了,但从未对此进行过详细的分析.使用GrabCut [1]算法的前景分割是否取决于输入图像的大小？直觉上,在我看来,由于抓取是基于颜色模型,颜色分布不应随着图像大小的变化而改变,但较小图像中的[锯齿]伪像可能起作用.
关于使用抓取的图像大小对图像分割的依赖性的任何想法或现有实验将是高度赞赏的.
谢谢
[1] C. Rother,V.Kolmogorov和A. Blake,GrabCut:使用迭代图切割的交互式前景提取,ACM Trans.图.,卷.23,pp.309-314,2004.
大小事项.
GrabCut的目标函数平衡了两个术语:
中的第一项(一元)与缩放区域的前景的,而第二(光滑度)与缩放周长的前景的.
因此,如果您按x2因子缩放图像,则将面积增加x4,而周长仅缩放x2因子.
因此,如果您针对特定图像尺寸/比例调整(或学习)能量函数的参数,则这些参数可能不适用于不同的图像尺寸.
PS
您是否知道Office 2010"前景选择工具"基于GrabCut算法？
这是GrabCut 论文的 PDF文件，由 Microsoft Research 提供。
图像大小的两个主要影响将是运行时间和图像中可能被认为重要的细节比例。在这两者中，运行时间是 GrabCut 会咬你的一个 - 图切割方法已经相当慢了，而且 GrabCut 迭代地使用它们。
通常首先将图像下采样到较小的分辨率，通常与低通滤波器结合使用（即使用高斯内核对源图像进行采样）。这显着减少了算法运行的n，同时减少了小细节和噪声对结果的影响。
您还可以使用遮罩将处理限制为仅对图像的特定部分进行处理。您已经在 GrabCut 中获得了其中的一些作为初始“抓取”或选择阶段，以及稍后在基于画笔的细化阶段。这个阶段还为您提供了一些关于比例的隐式信息，即感兴趣的特征可能填充了大部分选择区域。
推荐：
以任何方便的比例显示图像，并将所选区域下采样到每个示例的大致 n = 100k 到 200k 范围。如果您需要提高结果质量，请使用初始阶段的结果作为后续更高分辨率迭代的起点。