Question

欢迎阅读 Python OpenCV 前景提取教程。 这里的想法是找到前景，并删除背景。 这很像绿屏，只是这里我们实际上不需要绿屏。

首先，我们将使用一个图像：

随意使用你自己的。

让我们加载图像并定义一些东西：

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

img = cv2.imread('opencv-python-foreground-extraction-tutorial.jpg')
mask = np.zeros(img.shape[:2],np.uint8)

bgdModel = np.zeros((1,65),np.float64)
fgdModel = np.zeros((1,65),np.float64)

rect = (161,79,150,150)

到目前为止，我们已经导入了cv2，numpy和matplotlib。 然后我们加载图像，创建一个掩码，指定算法内部使用的背景和前景模型。 真正重要的部分是我们定义的矩形。 这是rect = (start_x, start_y, width, height)。

这是包围我们的主要对象的矩形。 如果你正在使用我的图片，那就是要使用的矩阵。 如果你使用自己的，找到适合你的图像的坐标。

下面：

cv2.grabCut(img,mask,rect,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT)
mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8')
img = img*mask2[:,:,np.newaxis]

plt.imshow(img)
plt.colorbar()
plt.show()

所以在这里我们使用了cv2.grabCut，它用了很多参数。 首先是输入图像，然后是掩码，然后是主要对象的矩形，背景模型，前景模型，要运行的迭代量以及使用的模式。

这里改变了掩码，使得所有像素 0 和 2 转换为背景，而像素 1 和 3 现在是前景。 从这里，我们乘以输入图像，得到我们的最终结果：

下个教程中，我们打算讨论如何执行角点检测。