画像セグメンテーション(領域分割)

詳細説明

関数
void	cv::grabCut (InputArray img, InputOutputArray mask, Rect rect, InputOutputArray bgdModel, InputOutputArray fgdModel, int iterCount, int mode=GC_EVAL)
	GrabCutアルゴリズムを実行する。
void	cv::watershed (InputArray image, InputOutputArray markers)
	watershedアルゴリズムを用いてマーカーベースの画像領域分割を行う。

関数詳解

grabCut()

void cv::grabCut	(	InputArray	img,
		InputOutputArray	mask,
		Rect	rect,
		InputOutputArray	bgdModel,
		InputOutputArray	fgdModel,
		int	iterCount,
		int	mode = GC_EVAL )

Python:
	cv.grabCut(	img, mask, rect, bgdModel, fgdModel, iterCount[, mode]	) ->	mask, bgdModel, fgdModel

#include <opencv2/imgproc.hpp>

GrabCutアルゴリズムを実行する。

この関数は GrabCut画像セグメンテーションアルゴリズムを実装している。

引数

img	入力の8ビット3チャンネルの画像。
mask	入出力用の8ビットシングルチャンネルのマスク。mode が GC_INIT_WITH_RECT に設定されている場合、このマスクは関数によって初期化される。その要素は GrabCutClasses のいずれかの値を取りうる。
rect	セグメンテーション対象の物体を含むROI。ROIの外側のピクセルは「明らかな背景」としてマークされる。この引数は mode==GC_INIT_WITH_RECT の場合にのみ使用される。
bgdModel	背景モデル用の一時配列。同じ画像を処理している間は変更しないこと。
fgdModel	前景モデル用の一時配列。同じ画像を処理している間は変更しないこと。
iterCount	結果を返す前にアルゴリズムが行う反復回数。結果は mode==GC_INIT_WITH_MASK または mode==GC_EVAL でさらに呼び出すことで精緻化できることに注意。
mode	GrabCutModes のいずれかとなる動作モード

watershed()

void cv::watershed	(	InputArray	image,
		InputOutputArray	markers )

Python:
	cv.watershed(	image, markers	) ->	markers

#include <opencv2/imgproc.hpp>

watershedアルゴリズムを用いて、マーカーベースの画像セグメンテーションを行う。

この関数は、[197] で説明されている、watershed（分水嶺）アルゴリズムの一種であるノンパラメトリックなマーカーベースのセグメンテーション（領域分割）アルゴリズムを実装したものである。

関数に画像を渡す前に、目的とする領域を画像 markers 内で正のインデックス（>0）でおおまかに描いておく必要がある。したがって、各領域はピクセル値1、2、3などを持つ1つ以上の連結成分として表される。このようなマーカーは、findContours と drawContours を使ってバイナリマスクから取得できる（watershed.cpp のデモを参照）。マーカーは将来の画像領域の「種（シード）」である。markers 内のその他すべてのピクセル（描画された領域との関係が不明で、アルゴリズムによって定義されるべきもの）は0に設定する必要がある。関数の出力では、markers 内の各ピクセルは「シード」成分の値に設定されるか、領域間の境界では-1に設定される。

覚え書き

隣接する2つの連結成分が、必ずしもwatershed境界（-1のピクセル）で分離されるとは限らない。例えば、関数に渡された初期のマーカー画像で互いに接していることがある。

引数

image	入力の8ビット3チャンネルの画像。
markers	マーカーの入出力用32ビットシングルチャンネル画像（マップ）。image と同じサイズである必要がある。

参照

findContours