在OpenCV中，實現了grabcut分割算法，該算法可以方便的分割出前景圖像，操作簡單，而且分割的效果很好。算法的原理參見papaer：“GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts
比如下面的一副圖，我們只要選定一個四邊形框，把框中的圖像作為grabcut的一個輸入參數，表示該框中的像素可能屬於前景，但框外的部分一定屬於背景。
然后調用grabcut函數，就可以分割出城堡來。具體代碼如下：
// 打開另一幅圖像
cv::Mat image= cv::imread("../tower.jpg");
if (!image.data)
{
cout<<"不能打開圖像！"<<endl;
return 0;
}
// 矩形外的像素是背景
cv::Rect rectangle(50,70,image.cols-150,image.rows-180);
cv::Mat result;
//兩個臨時矩陣變量，作為算法的中間變量使用，不用care
cv::Mat bgModel,fgModel;
double tt = cv::getTickCount();
// GrabCut 分段
cv::grabCut(image, //輸入圖像
result, //分段結果
rectangle,// 包含前景的矩形
bgModel,fgModel, // 前景、背景
1, // 迭代次數
cv::GC_INIT_WITH_RECT); // 用矩形
tt = cv::getTickCount() - tt;
printf("算法執行執行時間:%g ms\n", tt/cv::getTickFrequency()*1000);
// 得到可能是前景的像素
//比較函數保留值為GC_PR_FGD的像素
cv::compare(result,cv::GC_PR_FGD,result,cv::CMP_EQ);
// 產生輸出圖像
cv::Mat foreground(image.size(),CV_8UC3,cv::Scalar(255,255,255));
//背景值為 GC_BGD=0，作為掩碼
image.copyTo(foreground,result);
grabCut函數的第一個參數為我們要處理的圖像，本程序中就是image，圖像的類型必須為：CV_8UC3
第二個參數是mask圖像，它的大小和image一樣，但是它的格式為CV_8UC1，只能是單通道的，grabcut算法的結果就保存在該圖像中。
前面的代碼中，我們並沒有對mask圖像(result)進行初始化設置，因為第6個參數為cv::GC_INIT_WITH_RECT，它表示算法會根據rectangle的范圍，來生成一個初始化的mask圖像。
cv::grabCut(image, //輸入圖像
result, //分段結果
rectangle, // 包含前景的矩形
bgModel,fgModel, // 前景、背景
1, // 迭代次數
cv::GC_INIT_WITH_RECT); // 用矩形
mask圖像的值只能為下面下面4個值(PR，probably表示可能的)：
GC_BGD = 0, //背景
GC_FGD = 1, //前景
GC_PR_BGD = 2, //可能背景
GC_PR_FGD = 3 //可能前景
根據rectangle生成的mask圖像規則為：四邊形外面的部分一定是背景，所以在mask圖中對應的像素值為GC_BGD，而四邊形內部的的值可能為前景，所以對應的像素值為GC_PR_FGD。所以我們程序中使用mask圖像應該如下圖所示。
如果第7個參數為GC_INIT_WITH_MASK，這時第三個參數rectangle沒有使用，我們必須在調用grabcut函數之前，手工設置mask圖像(變量result)，如果我們把result設置成上圖所示的灰度圖。那個調用函數
cv::grabCut(image1, //輸入圖像
result1, //分段結果
rectangle, // 包含前景的矩形
bgModel,fgModel, // 前景、背景
1, // 迭代次數
cv::GC_INIT_WITH_MASK); // 用矩形
可以得到同樣的結果。
可以參考下面的代碼：
cv::Mat result1= cv::Mat(image1.rows, image1.cols,CV_8UC1, cv::Scalar(cv::GC_BGD));
//注意給子矩陣賦值的方法
cv::Mat roi(result1, cv::Rect(50,70,result1.cols-150,result.rows-180));
roi = cv::Scalar(cv::GC_PR_FGD);
tt = cv::getTickCount();
// GrabCut 分段
cv::grabCut(image1, //輸入圖像
result1, //分段結果
rectangle,// 包含前景的矩形
bgModel,fgModel, // 前景、背景
1, // 迭代次數
cv::GC_INIT_WITH_MASK); // 用矩形
tt = cv::getTickCount() - tt;
printf("算法執行執行時間:%g ms\n", tt/cv::getTickFrequency()*1000);
// 得到可能是前景的像素
//比較函數保留值為GC_PR_FGD的像素
cv::compare(result1,cv::GC_PR_FGD,result,cv::CMP_EQ);
// 產生輸出圖像
cv::Mat foreground1(image1.size(),CV_8UC3,cv::Scalar(255,255,255));
//背景值為 GC_BGD=0，作為掩碼
image.copyTo(foreground1,result1);
第3個參數是rectangle的大小位置，如果第7個參數為GC_INIT_WITH_MASK，則該參數沒有作用。
第4，5個參數是兩個算法在執行過程中使用臨時矩陣變量，不用care它們的內容。
第6個參數是迭代次數，迭代越多，效果越好，但划時間也越長。
第7個參數是操作模式，通常情況下為GC_INIT_WITH_RECT和GC_INIT_WITH_MASK。
從上面的圖中，我們可以看到，grabcut算法的效果很好，但是花的時間也很長，上面圖像在我的筆記本上需要4.4秒。
程序源代碼：工程FirstOpenCV13