背景用户输入的替代品

Question

我正在寻找一种算法，或者更好的是，一些库涵盖了来自单个静态图像的背景减法（没有可用的背景模型）。尽管如此可能是某种用户输入，例如https://clippingmagic.com。 可悲的是，我的google fu在这里很糟糕，因为我无法通过有限的关键字找到关于该主题的任何论文。

Answer 1

那个网页确实令人印象深刻。如果我尝试实现类似的东西，我可能会使用 k-means集群使用 CIELAB色彩空间。改变颜色空间的原因是颜色可以用两个点表示，而不是3个常规RGB图像。这应该加快集群。此外，CIELAB色彩空间是为此目的而构建的，可以找到距离＆＃34; （颜色之间的相似性）和人类感知颜色的方式。不只是查看计算机的原始二进制数据。

但是对kmeans的快速概述。对于这个例子，我们会说k = 2（意味着只有两个簇）

1. 使用均值初始化每个群集。
2. 浏览图像中的每个像素并确定它接近哪个均值，群集1或2？
3. 在处理完所有像素后计算群集的新均值
4. 使用新计算的方法重复步骤2-4直到收敛（意味着手段不会发生太大变化）

现在，当前景图像明显不同于背景时，这将很有效。在蓝色背景中说一个红球，但如果颜色相似，那就更有问题了。我仍然坚持kmeans但有更多的集群。因此，在该网页上，您可以进行多个红色或绿色选择。我会将这些笔划中的每一个都作为一个集群，并将我的集群初始化为平均值。所以说我画了3个红色笔画，2个画了绿笔画。这意味着我有5组。但不知何故，我在内部添加了一个额外的属性作为前景/背景。这样每个集群的方差都会很小，但最后我只会显示该属性，前景或背景。我希望这是有道理的。

现在您可能已经开始使用搜索字词了。可能还有很多其他方法，但这是我想到的第一个，祝你好运。

修改

在使用网站后，我发现它使用空间接近群集。所以说我在图像的两侧有两个相同的红色斑点。如果我只注释图像的左侧，则可能无法检测到右侧的斑点。 Kmeans不会复制这种行为，因为我描述的方法只使用颜色来聚类像素，而这些像素完全无视它们在图像中的位置。

我不知道您可以使用哪些工具，但这是一个很好的matlab示例/教程color based kmeans