山东大学数字图像处理实验（六） 计算机学院

 import cv2

    
 import numpy as np
    
 from sklearn.mixture import GaussianMixture as GM
    
  
    
 img = cv2.imread('1.jpg')
    
 # 使用cv2的resize方法调整图片大小，将图片的长和宽都缩小为原来的0.5倍，然后赋给变量img  
    
 img = cv2.resize(img, (0, 0), fx=0.5, fy=0.5)
    
  
    
 l = np.zeros(img.shape[:2], dtype=np.uint8)
    
 f, b = 1, 2
    
  
    
 d, m = False, f
    
 o = np.zeros_like(img)
    
 fc, bc = (0, 255, 0), (255, 0, 0)
    
  
    
 def draw(e, x, y, f, p):
    
     global d, m, o, l
    
     if e == cv2.EVENT_LBUTTONDOWN:#鼠标左键按下
    
     d = True
    
     c, lbl = (fc, f) if m == f else (bc, b)# 如果m等于f，则c为fc，否则为bc；lbl始终为f或b 
    
     cv2.circle(o, (x, y), 10, c, -1)
    
     cv2.circle(l, (x, y), 10, lbl, -1)# 在图像l上以(x,y)为圆心画一个半径为10的圆，颜色为lbl
    
     elif e == cv2.EVENT_MOUSEMOVE and d:
    
     c, lbl = (fc, f) if m == f else (bc, b)
    
     cv2.circle(o, (x, y), 10, c, -1)# 在图像o上以(x,y)为圆心画一个半径为10的圆，颜色为c
    
     cv2.circle(l, (x, y), 10, lbl, -1)# 在图像l上以(x,y)为圆心画一个半径为10的圆，颜色为lbl
    
     elif e == cv2.EVENT_LBUTTONUP:
    
     d = False
    
  
    
 def perform_gcut(img, l):
    
     fpx, bpx = img[l == f].reshape(-1, 3), img[l == b].reshape(-1, 3)
    
      # 创建两个高斯混合模型（Gaussian Mixture Model，GMM），分别是gmf和gmb。每个模型有5个组件（即高斯分布），并且协方差类型为'full'，表示每个组件都有独立的协方差矩阵。
    
     gmf, gmb = GM(n_components=5, covariance_type='full'), GM(n_components=5, covariance_type='full')
    
     gmf.fit(fpx) # 使用fpx训练gmf模型，使用bpx训练gmb模型。
    
     gmb.fit(bpx)
    
     pf, pb = gmf.score_samples(img.reshape(-1, 3)), gmb.score_samples(img.reshape(-1, 3))
    
     pf, pb = np.exp(pf), np.exp(pb)# 计算整个图像img对于gmf和gmb模型的得分，即每个像素属于某个高斯分布的概率。
    
     # 对得分进行指数化，使得概率值在合理的范围内。
    
     pm = pf / (pf + pb)# 计算每个像素属于gmf模型的概率，即前景（标记为f的区域）的概率。
    
     th = 0.5# 定义一个阈值th，用于分割前景和背景。
    
     rm = np.where(pm > th, 1, 0)# 使用条件语句将图像分割为前景（标记为1）和背景（标记为0）。
    
     rm = rm.reshape(img.shape[:2])# 将分割后的二维数组重塑为原始图像的形状，但是只有两个维度（高度和宽度），没有颜色通道。 
    
     ri = np.zeros_like(img)# 创建一个与原始图像形状相同但所有像素值为0的新图像ri。 
    
     ri[rm == 0], ri[rm == 1] = [0, 0, 0], [255, 255, 255]  # 根据分割结果rm，将新图像ri中属于背景的部分设置为黑色（RGB值为[0, 0, 0]），属于前景的部分设置为白色（RGB值为[255, 255, 255]）。  
    
     se = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
    
     cv2.dilate(ri, se, ri)
    
     cv2.imshow('mask', ri)
    
  
    
 cv2.namedWindow('input')
    
 cv2.setMouseCallback('input', draw)
    
  
    
 while True:
    
     mi = cv2.addWeighted(img, 1, o, 0.5, 0)
    
     cv2.imshow('input', mi)
    
     k = cv2.waitKey(10) & 0xFF
    
     if k == 27:
    
     break
    
     elif k == ord('f'):
    
     m = f
    
     elif k == ord('b'):
    
     m = b
    
     elif k == ord('n'):
    
     perform_gcut(img, l)
    
  
    
 cv2.destroyAllWindows()