在OpenCV中重用抓取模型

Question

我使用了OpenCV样本中的Interactivegrabcut.py来分割图像并保存了前景和背景模型。然后我使用这些模型来分割更多相同种类的图像，因为我不想每次都重新训练模型。

运行抓取算法后，该掩码全为零（所有背景），因此不会分割任何内容。

from matplotlib import pyplot as plt
import numpy as np
import cv2

img = cv2.imread('usimg1.jpg')
mask = np.zeros(img.shape[:2], np.uint8)
bgdModel = np.load('bgdmodel.npy')
fgdModel = np.load('fgdmodel.npy')

cv2.grabCut(img, mask, None, bgdModel, fgdModel, 5, cv2.GC_EVAL)

mask = np.where((mask==2) | (mask==0), 0, 1).astype('uint8') 
img = img * mask[:, :, np.newaxis]

plt.imshow(img)
plt.show()

我尝试使用蒙版或矩形初始化算法，但这会产生错误，因为模型不是空的（这是我真正想要的）。

如何将预训练的模型传递给算法，以免每次分割图像时都不会重新训练它们？

编辑 在rayryeng的评论之后，我实现了以下代码：

cv2.grabCut(img, mask, rect, bgdModel, fgdModel, 0, cv2.GC_INIT_WITH_RECT)
cv2.grabCut(img, mask, rect, bgdModel, fgdModel, 2, cv2.GC_EVAL)

看来可行，但第一个电话现在更改了我的模型。在源代码中，它调用时learnGMMs不会检查是否提供了预训练的模型。

Answer 1

您在使用的地方有正确的思路，cv2.GC_EVAL因此您只需要执行分割而无需再次计算模型。不幸的是，即使您使用此标志，这也是 OpenCV 源本身的限制。如果您在遇到GC_EVAL条件时查看实际的 C++ 实现，它会在cv::grabcut方法结束时执行此操作。请注意，Pythoncv2.grabCut方法是以下内容的包装器cv::grabcut：

if( mode == GC_EVAL )
    checkMask( img, mask );

const double gamma = 50;
const double lambda = 9*gamma;
const double beta = calcBeta( img );

Mat leftW, upleftW, upW, uprightW;
calcNWeights( img, leftW, upleftW, upW, uprightW, beta, gamma );

for( int i = 0; i < iterCount; i++ )
{
    GCGraph<double> graph;
    assignGMMsComponents( img, mask, bgdGMM, fgdGMM, compIdxs );
    learnGMMs( img, mask, compIdxs, bgdGMM, fgdGMM );
    constructGCGraph(img, mask, bgdGMM, fgdGMM, lambda, leftW, upleftW, upW, uprightW, graph );
    estimateSegmentation( graph, mask );
}

您会看到它GC_EVAL在代码中只遇到一次，用于检查输入的有效性。罪魁祸首是learnGMMs函数。即使您指定了经过训练的模型，这些模型也会被重置，因为调用learnGMMs忽略了该GC_EVAL标志，因此无论您指定什么标志作为输入，都会调用它。

受这篇文章的启发：OpenCV - GrabCut with custom foreground/background models，你可以做的是你必须自己修改 OpenCV 源，在循环内你可以在调用之前放置一个if语句来检查GC_EVAL标志learnGMMs：

if( mode == GC_EVAL )
    checkMask( img, mask );

const double gamma = 50;
const double lambda = 9*gamma;
const double beta = calcBeta( img );

Mat leftW, upleftW, upW, uprightW;
calcNWeights( img, leftW, upleftW, upW, uprightW, beta, gamma );

for( int i = 0; i < iterCount; i++ )
{
    GCGraph<double> graph;
    assignGMMsComponents( img, mask, bgdGMM, fgdGMM, compIdxs );
    if (mode != GC_EVAL) // New
        learnGMMs( img, mask, compIdxs, bgdGMM, fgdGMM );
    constructGCGraph(img, mask, bgdGMM, fgdGMM, lambda, leftW, upleftW, upW, uprightW, graph );
    estimateSegmentation( graph, mask );
}

这应该能够使用预先训练的模型，而不必在每次迭代时重新学习它们。进行更改后，您将不得不再次重新编译源代码，并且希望能够在使用cv2.GC_EVAL标志时使用您的预训练模型而无需清除它们。

对于未来，我在 OpenCV 的官方 repo 上开辟了一个问题。希望他们有时间时会解决这个问题：https : //github.com/opencv/opencv/issues/9191