目前主流的图像处理工具自动抠图功能存在人像边缘比较复杂情况下，例如抠取细丝毛发部分，不能很准确地将毛发抠取出来。在自然图像抠图算法中闭合形式抠图算法可以获取图像中的边缘细节。因此本文选择三种闭合形式抠图算法共享抠图算法、广泛采样抠图算法、KNN抠图算法来研究。目前抠图算法的比较存在如下问题(1)比较实验中没有系统全面地从不同场景情况下进行比较。(2)由于一幅图像中可能存在多个抠图抠图问题，比较实验中没有局部进行比较来说明抠图算法在解决某个具体问题场景的性能，因此本文提出一套较全面的闭合形式抠图算法评价方案对选取的三种闭合形式抠图算法评价比较，首先通过理论分析算法的时间复杂度和空间复杂度，然后分类选择标准测试集中代表不同场景的图像作为评价测试集，通过实验比较抠图算法在不同场景下的抠像精度、稳定性和效率三个方面。通过评价比较得到共享抠图算法适合解决前景人像细丝毛发的问题，并且在三个算法中稳定性较好、效率较高。因此选择将共享抠图算法运用到人像植入工具中。最后本文开发了一个人像植入工具，经过测试发现本文开发的植入工具得到的植入效果要好于目前主流图像处理工具得到的效果。
目录
摘要 １
关键词 １
ABSTRACT １
KEY WORDS １
1 绪论 ２
1.1 研究背景 ２
1.2 自然图像抠图技术的研究综述 ２
1.2.1 自然图像抠图技术概述 ３
1.2.2 基于采样的抠图方法 ３
1.2.3 基于传播的抠图方法 ３
1.2.4 采样与传播相结合的抠图方法 ４
1.2.5 目前存在的问题 ５
1.3 研究内容与研究路线 ５
1.3.1 研究内容 ５
1.3.2 技术路线 ６
1.4 论文组织与结构 ７
2 抠图算法基础理论 ７
2.1 闭合形式抠图算法基本原理 ７
2.2 采样和闭合形式结合的抠图算法 ８
2.2.1 共享抠图算法 ８
2.2.2 广泛采样抠图算法 １２
2.3 KNN抠图算法 １４
3  *51今日免费论文网|www.jxszl.com +Q: ^351916072# 
基于OPENCV的抠图算法C++实现 １５
3.1 共享式抠图算法 １５
3.1.1 算法流程 １５
3.1.2 算法实现 １５
3.1.3 算法实现测试 ２０
3.2 广泛采样抠图算法 ２０
3.2.1 算法流程 ２１
3.2.2 算法实现 ２１
3.2.3 算法实现测试 ２７
3.3 KNN抠图算法 ２８
3.3.1 算法流程 ２８
3.3.2 算法实现 ２８
3.3.3 算法实现测试 ２９
4 闭合形式抠图算法评价 ３０
4.1 闭合型抠图算法评价方案 ３０
4.1.1 评价原则 ３０
4.1.2 评价方法 ３０
4.1.3 评价流程 ３１
4.1.4 评价指标 ３１
4.1.5 评价测试集选取 ３２
4.2 闭合形式抠图算法复杂度分析 ３３
4.2.1 共享抠图算法 ３４
4.2.2 广泛采样抠图算法 ３４
4.2.3 KNN抠图算法 ３５
4.3 闭合形式抠图算法性能比较实验 ３５
4.3.1 不同场景下闭合形式抠图算法抠像精度评价 ３５
4.3.2 闭合形式抠图算法的稳定性评价 ４０
4.3.3 闭合形式抠图算法效率评价 ４１
5 人像植入工具开发 ４４
5.1 人像植入工具主要功能 ４４
5.2 人像植入工具开发环境与语言 ４５
5.3 人像植入工具功能实现 ４５
5.3.1 获取未知区域 ４５
5.3.2 抠取人像 ４７
5.3.3 羽化操作 ４８
5.3.4 植入背景 ４８
5.4 人像植入工具测试比较 ４９
5.4.1 选择测试图片 ４９
5.4.2 自动抠图结果比较 ５０
6 总结与展望 ５０
6.1 总结 ５１
6.2 展望 ５１
致谢 ５１
参考文献 ５３
闭合形式抠图算法比较及人像植入工具开发
引言
1 绪论
1.1 研究背景
人像植入是从自然图像背景中抠出人像，并将人像移植到全景背景中的过程。目前市场上已经出现了一些可通过简单操作的图像处理工具进行人像植入操作，例如美图秀秀。这些图像处理工具可以通过简单的用户操作将人像从背景中抠取出来，将抠取的图像做进一步的处理后移植到新的背景中去。但是目前市场上存在的图像处理工具(如美图秀秀)的自动抠取前景的功能出现抠取人像不准确的问题，当人像边缘复杂时（例如头发）或者人像前景存在孔洞时，得到的抠像结果不准确，如图，左上角细丝毛发部分没有抠取出来，同时右上角前景背景混合在一起，细丝毛发也没有被抠取出来：



图1 美图秀秀自动抠图效果
人像植入工具主要包括三个主要步骤：自动抠取前景人像，人像前景放大、缩小、边缘羽化等处理，人像植入新背景。其中自动抠取前景人像功能在很大程度上影响人像植入的效果。而在自动抠取前景功能中的核心技术是数字抠图技术。
数字抠图技术是基于Poter和Duff提出的数学模型[1]。该数学模型认为，对于任意一幅图像I可以分解为一幅前景图像F和一幅背景图像B在通道α的线性组合，用公式可以表示为：

(1.1)
式中α表示透明度，为实数，取值范围为[0,1]，当α=0时，图中α所对应的像素为背景像素，当α=1时，图中α所对应的为前景像素，当α∈(0,1)时，图像中α对应的像素属于混合像素，颜色值由前景和背景颜色线性合成。
由于上述抠像方程中的α、F、B参数均为未知量，无法求抠像方程，因此抠像问题是一个病态的问题，需要获得额外信息或者一定的交互求解抠像方程[5]，在早期的研究中，通常将前景物体放入已知颜色的背景得到前景图像，即常说的蓝屏抠图[2]。由此，数字抠图技术根据是否需要引入额外物理条件分为为额外信息抠图方法和自然图像抠图两大类。额外信息抠图除蓝屏抠图还有闪屏抠图[3]、阵列镜头抠图[4]，由于额外信息抠图对待处理图像有物理条件上的要求，该类抠图方法只能用于特定场景，应用范围不广；而自然图像抠图方法对处理图像的前景和背景没有要求，可以在任意背景下实现抠图，具有实用价值且应用广泛[5]。且自然图像抠图正处于快速发展的阶段，因此要解决人像植入自动抠图不准确的问题，需要对自然图像抠图技术进行研究。

原文链接：http://www.jxszl.com/jsj/wljs/56565.html