Image processing 用户输入背景减法

我正在寻找一个算法，或者更好的是，一些库，涵盖了从一个单一的静态图像背景减法（没有背景模型可用）。然而，可能的是某种用户输入，比如说它。

---

遗憾的是，我的google fu在这里很糟糕，因为我找不到任何关于这个主题的文章，而且我的关键词数量有限。

这个网页真是令人印象深刻。如果我尝试实现类似的东西，我可能会使用CIELAB颜色空间使用k-means聚类。更改颜色空间的原因是，颜色可以由两个点而不是3个点表示为常规RGB图像。这将加速集群。此外，CIELAB颜色空间就是为了这个目的而建立的，寻找颜色之间的“距离”（相似性），并解释人类感知颜色的方式。不仅仅是查看计算机拥有的原始二进制数据

但是快速概述一下kmeans。对于这个例子，我们将说k=2（表示只有两个簇）

用平均值初始化每个集群

仔细检查图像中的每个像素，确定它更接近簇1还是簇2

处理完所有像素后，计算簇的新平均值

使用新计算的平均值重复步骤2-4直到收敛（意味着平均值变化不大）

现在，当前景图像明显不同于背景时，这将很好地工作。比如说蓝色背景中的红色球，但如果颜色相似，问题就更大。我仍然坚持使用kmeans，但是有更多的集群。因此，在该网页上，您可以选择多个红色或绿色选项。我会把每一个笔划都做成一个簇，并将簇初始化为平均值。假设我画了3个红色的笔画，2个绿色的。这意味着我将有5个小组。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。因此，每个集群都会有一个小的差异，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

也许现在你有了一些搜索词开始。也许还有很多其他的方法，但这是我第一次想到的，祝你好运

编辑

在玩了一点这个网站之后，我看到它使用了空间接近集群。假设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，那么右侧的blob可能不会被检测到。Kmeans不会复制这种行为，因为我描述的方法只使用颜色对像素进行聚类，而完全不知道它们在图像中的位置

我不知道你有什么工具可以使用，但这里有一个很好的matlab示例/教程