Image processing 如何去除背景图像并获得前图像

有两个图像

一个是背景图像，另一个是一个人的照片，背景相同，大小相同，我想做的是删除第二个图像的背景，只提取这个人的个人资料。常用的方法是从第二张图像中减去第一张图像，但我的问题是，人的衣服颜色是否与背景相似。减法的结果糟透了。我无法得到所有人的资料。谁有好主意删除背景给我一些建议。

---

提前谢谢。

将照片张贴在Craigslist上，并告诉他们你将支付5美元给某人

---

保证您在几分钟内就能获得点击率。

您可以一个像素一个像素地逐行扫描两幅图像，而不是直接进行减法，只“减去”完全相同的像素。当然，这并不能解释颜色上的细微差异。

我认为一种常见的技术是使用一种颜色。抓取若干背景帧，并为每个像素构建其颜色的混合模型

当你应用一个有人在里面的帧时，你会得到一些颜色是前景还是背景的概率，给定每个像素在混合模型中的概率密度

在你有了p（像素是前景）和p（像素是背景）之后，你可以对概率图像设置阈值

另一种可能性是在一些更聪明的分割算法中使用概率作为输入。我注意到的一个例子非常有效

然而，如果此人穿着的衣服在视觉上与背景无法区分，显然上述方法都不起作用。你要么需要另一个传感器（如红外或紫外线），要么需要一个非常精细的“人体模型”，如果它发现它认为是躯干和头部，就可以将腿“添加”到正确的位置

---

祝项目顺利

如果你对图像背景有一个很好的估计，那么从人物的图像中减去它是一个很好的第一步。但这只是第一步。之后，您必须对图像进行分割，即必须将图像分割为“背景”和“前景”像素，约束条件如下：

在前景区域，与背景图像的平均差异应该很高

在背景区域，与背景图像的平均差异应较低

这些区域应该是平滑的。轮廓长度和曲率应最小

区域边界在源图像中应具有高对比度

如果你有数学倾向，这些约束可以用Mumford-Shah泛函完美地建模

但是您可能可以调整其他分割算法来解决这个问题

如果您想要一个快速简单（但不是完美）的版本，您可以尝试以下方法：

• 减去这两幅图像
• 查找背景-前景差异大于某个阈值的最大连续“斑点”像素。这是对前景图像中“人员区域”的第一次粗略估计，但分割不符合上述标准3和4
• 找到最大水滴的轮廓（编辑：注意，不必从轮廓开始。也可以从较大的多边形开始，因为步骤会自动将其缩小到最佳位置。）
• 现在检查轮廓中的每个点并平滑轮廓。i、 e.对于每个点，找到使公式最小的点：c1*L-c2*G，其中L是轮廓多边形的长度，如果该点在此处移动，G是该点将移动到的位置处的梯度，c1/c2是控制过程的常数。将点移动到该位置。这具有平滑源图像中低梯度区域的轮廓多边形的效果，同时使其与源图像中的高梯度（即人的可见边界）保持关联。你可以尝试L和G的不同表达式，例如，L可以考虑长度和曲率，G也可以考虑背景中的梯度和减去的图像
• 您可能需要重新规范化轮廓多边形，即确保轮廓上的点间隔规则。或者，在之前的步骤中，确保点之间的距离保持规则。（“测地蛇”）
• 重复最后两个步骤，直到收敛

现在，您有了一个接触可见人物背景边界的轮廓多边形，并在边界不可见或对比度低的地方平滑地继续。 查看“蛇”（Snakes）了解更多信息。

在减去图像之前，先对图像进行低通滤波（模糊）。 然后使用该差分信号作为遮罩来选择感兴趣的像素。 一个足够宽的过滤器会忽略太小（高频）的特征，这些特征最终会在你感兴趣的物体内部划出“可怕”的区域。它还将减少像素级噪声和失调（最高频率信息）的突出显示

---

此外，如果您有两个以上的帧，引入一些时间滞后也会让您在一段时间内形成更稳定的感兴趣区域。

背景与前景检测是非常主观的。应用程序场景定义背景或前景。然而，在你详细介绍的应用程序中，我猜你是在暗示这个人是前景。 根据上述假设，您寻求的是一种人员检测算法。一种可能的解决办法是：

运行haar特征检测器+增强的弱分类器级联 （详情请参阅）

计算帧间运动（差异）

如果一帧有+ve人脸检测，则对运动像素进行聚类 脸周围（）

---

瞧。。。你应该有一个简单的个人检测器。

嗯，什么？你能把图像放在photobucket上或者别的什么东西上让我们看到w吗