GrabCut分割算法是否依赖于图像的大小？

Question

我一直在考虑这个问题，但从未对此进行详细分析。使用GrabCut[1]算法进行前景分割是否取决于输入图像的大小？从直觉上看，由于grabcut是基于颜色模型的，因此随着图像大小的变化，颜色分布不应该改变，但是在较小的图像中可能会出现[混叠]伪影。如有关于使用grabcut进行图像分割时图像大小依赖性的想法或现有实验，敬请赐教。

谢谢。

[1]C. Rother，V. Kolmogorov和A. Blake，GrabCut：使用迭代图割的交互式前景提取，ACM Trans.Graph.，vol.23，pp.309-314，2004年。

- Vinayak Agarwal

Answer 1

大小很重要。

GrabCut的目标函数平衡了两个术语：

1. 测量每像素前/背景颜色模型拟合度的一元术语。
2. 测量分割边界“复杂性”的平滑术语（成对术语）。

第一个术语（一元）随着前景区域的面积而缩放，而第二个术语（平滑性）随着前景的周长而缩放。
因此，如果您将图像按x2因子缩放，则面积将增加x4，而周长仅大约增加x2因子。

因此，如果您为特定图像大小/比例调整（或学习）能量函数的参数，则这些参数可能无法在不同的图像大小中起作用。

附：
你知道Office 2010的“前景选择工具”是基于GrabCut算法吗？

- Shai

Answer 2

这是微软研究院提供的GrabCut论文PDF文件下载链接：http://research.microsoft.com/pubs/67890/paper_siggraph04.pdf。

图像大小会对运行时间和图像中被认为重要的细节尺度产生两个主要影响。这两者中，运行时间是使用GrabCut时需要考虑的关键因素——图形切割方法已经相当慢了，而GrabCut则需要进行迭代计算。

通常，我们会将图像缩小到较低分辨率，并结合低通滤波器（即使用高斯核对源图像进行采样）。这样可以显著降低算法运行的n值，同时减少小细节和噪声对结果的影响。

还可以使用掩码来仅处理图像的特定部分。在GrabCut的初始“抓取”或选择阶段以及后面的基于画笔的细化阶段中，您已经得到了一些掩码处理。此阶段还为您提供了有关比例的隐含信息，即感兴趣的特征可能填充了大多数选择区域。

建议：

以方便的比例显示图像，并将所选区域缩小到大约n = 100k至200k的范围，就像他们的示例一样。如果需要提高结果质量，请使用初始阶段的结果作为后续高分辨率迭代的起点。

- Jim Gray