我已经考虑了很长一段时间了，但从未对此进行过详细的分析。使用GrabCut [1]算法的前景分割是否取决于输入图像的大小？直觉上，在我看来，由于抓取是基于颜色模型，颜色分布不应随着图像大小的变化而改变，但较小图像中的[锯齿]伪像可能起作用。
任何关于图像大小与使用抓取图像分割的依赖关系的想法或现有实验都将受到高度赞赏。
谢谢
[1] C. Rother，V。Kolmogorov和A. Blake，GrabCut：使用迭代图切割的交互式前景提取，ACM Trans。图。，卷。 23，pp.309-314,2004。
答案 0 :(得分：9)
规模很重要。
GrabCut的目标函数平衡了两个术语：
第一个术语（一元）与前景的区域缩放，而第二个术语（平滑度）与前景的周长缩放。
因此，如果您按x2因子缩放图像，则将面积增加x4，而周长仅大致缩放x2因子。
因此，如果您针对特定图像尺寸/比例调整（或学习）能量函数的参数，则这些参数可能不适用于不同的图像尺寸。
PS
您是否知道Office 2010“前景选择工具”基于GrabCut算法？
答案 1 :(得分：4)
以下是GrabCut paper的PDF文件，由Microsoft Research提供。
图像大小的两个主要影响是运行时间和图像中细节的比例，这可能被认为是重要的。在这两个中，运行时间是用GrabCut咬你的 - 图形切割方法已经很慢了，GrabCut迭代地使用它们。
通常将图像下采样到较小的分辨率，通常与低通滤波器结合使用（即使用高斯内核对源图像进行采样）是很常见的。这大大减少了算法运行的 n ，同时减少了细节和噪声对结果的影响。
您还可以使用遮罩将处理限制为仅限图像的特定部分。你已经在GrabCut中获得了一些作为最初的“抓取”或选择阶段，并且稍后在基于画笔的细化阶段再次获得。这个阶段还为您提供了一些关于比例的隐含信息，即感兴趣的特征可能填充了大部分选区。
建议：
以方便的比例显示图像，并按照其示例将所选区域下采样到大约n = 100k到200k范围。如果需要提高结果质量，请使用初始阶段的结果作为后续迭代的起点，以更高的分辨率。