一、基本概念

GraphCut是一种直接基于图割算法的图像分割技术, 仅仅需要确认前景和背景输入, 该算法就可以完成前景和背景的最优分割，该算法利用了图像中的纹理（颜色）信息和边界（反差）信息, 只要少量的用户交互操作即可得到比较好的分割结果, 和分水岭算法比较相似, 但是计算速度比较慢, 得到的结果比较精确。步骤如下：

GrabCut算法的实现步骤：

在图片中定义(一个或者多个)包含物体的矩形。
矩形外的区域被自动认为是背景。
对于用户定义的矩形区域，可用背景中的数据来区分它里面的前景和背景区域。
用高斯混合模型(GMM)来对背景和前景建模，并将未定义的像素标记为可能的前景或者背景。
图像中的每一个像素都被看做通过虚拟边与周围像素相连接，而每条边都有一个属于前景或者背景的概率，这是基于它与周边像素颜色上的相似性。
每一个像素(即算法中的节点)会与一个前景或背景节点连接。
在节点完成连接后(可能与背景或前景连接)，若节点之间的边属于不同终端(即一个节点属于前景，另一个节点属于背景)，则会切断他们之间的边，这就能将图像各部分分割出来。下图能很好的说明该算法：

二、算子解释与显示

Grabcuts算法利用标记区域的直方图特征，寻找相似的区域。标记区域需要为矩形。

算子解释

mouseClick (
int event,//EVENT_ 鼠标的事件
int x, // 鼠标的坐标
int y, 
int flags, //flags是CV_EVENT_FLAG的组合，  即表示所有的按键，一般情况下是固定的
 void* param  //用户定义的传递到cvSetMouseCallback函数调用的参数
);

?grabCut

 void grabCut( 
const Mat& img,// 输入的图像，必须是8位3通道的图像
 Mat& mask, //8位单通道掩码图像,如果使用掩码进行初始化, 那么mask保存掩码信息, 在执行分割的时候, 也可以将用户交互所设定的前景与背景保存到mask中，然后再传入grabCut函数, 在处理结束之后，mask中会保存结果.mask只能取以下四种值：
　　GCD_BGD（=0），背景；
　　GCD_FGD（=1），前景；
　　GCD_PR_BGD（=2），可能的背景；
　　GCD_PR_FGD（=3），可能的前景。
如果没有手工标记GCD_BGD或者GCD_FGD，那么结果只会有GCD_PR_BGD或GCD_PR_FGD
 Rect rect, // roi
 Mat& bgdModel, //背景模型 如果为null，函数内部会自动创建一个bgdModel；bgdModel必须是单通道浮点型（CV_32FC1）图像，且行数只能为1，列数只能为13x5；

 Mat& fgdModel,//前景模型 如果为null，函数内部会自动创建一个fgdModel；fgdModel必须是单通道浮点型（CV_32FC1）图像，且行数只能为1，列数只能为13x5
 int iterCount, //迭代次数，必须大于0；
 int mode // 用于指示grabCut函数进行什么操作，可选的值有：
　　GC_INIT_WITH_RECT（=0），用矩形窗初始化GrabCut；
　　GC_INIT_WITH_MASK（=1），用掩码图像初始化GrabCut；
　　GC_EVAL（=2），执行分割。
)

int main()
{
	Mat src = imread("C:\\Users\\19473\\Desktop\\opencv_images\\530.jpg");
	if (!src.data)
	{
		printf("could not  load  image....\n");
	}
	
	

	Rect rect(350,30,600,1300);
	rectangle(src, rect,Scalar(255,0,0),1,8);
	imshow("input", src);
	Mat  result, bg, fg;
	grabCut(src, result, rect,bg,fg,4,GC_INIT_WITH_RECT);
	imshow("result1 ", result);
	compare(result,GC_PR_FGD,result,CMP_EQ);
	imshow("result2 ", result);
	Mat forgroud(src.size(),CV_8UC3,Scalar(255,255,255));
	src.copyTo(forgroud,result);
	imshow("result3 ", forgroud);
	waitKey(0);
	return 0;
}