Shared Matting 算法核心思想
2018-01-06 16:12
246 查看
Shared Sampling for Real-Time Alpha Matting 2010 (Eduardo S. L. Gastal and Manuel M. Oliveira)
一、问题描述(我的理解)
从背景中抠出前景,过渡地带做半透明处理。
alpha matting 认为图像由前景和背景两个图层组成:
I = alpha * F + (1 - alpha) * B
其中F为前景,B为背景,alpha是0到1之间的系数。
alpha matting 就是要估计出所有像素的 (alpha, F, B)。
已知条件为:给定图像,trimap(粗略标记出前景、背景和不确定区域的label图)
根据已知(alpha, F, B)的像素集,估计未知部分。
二、核心思路
对于未知像素,F和B可由其附近的已知像素估计出。从附近的已知像素中挑选出最合适的几个像素,结成(前景-背景)对子,再由它们估计出最终的F、B。然后就可以估算alpha了。(具体细节不完全是这样,这只是核心思想)
目标函数:关于什么是最合适的前景、背景候选像素,作者提出了复杂的目标函数(公式7)
搜索过程:之所以叫 shared matting ,是因为在选择(前景-背景)候选集的时候,并不是每个未知像素都搜索以自己为中心的整个圆形区域。而是把圆分成了很多扇形,相邻像素搜索不重叠的扇形区域。例如下图中,不同像素搜索不同颜色的区域。避免了大面积搜索,同时由于相邻像素的 (alpha, F, B)值近似,因此将相邻像素的搜索结果(候选集)拿来共用,共同估计出当前像素的(alpha, F, B)。
核心是为了减少计算量。
后处理:为了更好看一些,作者在得到候选集后,又进行了refinement和smoothing,才得到最终的估计值。
一、问题描述(我的理解)
从背景中抠出前景,过渡地带做半透明处理。
alpha matting 认为图像由前景和背景两个图层组成:
I = alpha * F + (1 - alpha) * B
其中F为前景,B为背景,alpha是0到1之间的系数。
alpha matting 就是要估计出所有像素的 (alpha, F, B)。
已知条件为:给定图像,trimap(粗略标记出前景、背景和不确定区域的label图)
根据已知(alpha, F, B)的像素集,估计未知部分。
二、核心思路
对于未知像素,F和B可由其附近的已知像素估计出。从附近的已知像素中挑选出最合适的几个像素,结成(前景-背景)对子,再由它们估计出最终的F、B。然后就可以估算alpha了。(具体细节不完全是这样,这只是核心思想)
目标函数:关于什么是最合适的前景、背景候选像素,作者提出了复杂的目标函数(公式7)
搜索过程:之所以叫 shared matting ,是因为在选择(前景-背景)候选集的时候,并不是每个未知像素都搜索以自己为中心的整个圆形区域。而是把圆分成了很多扇形,相邻像素搜索不重叠的扇形区域。例如下图中,不同像素搜索不同颜色的区域。避免了大面积搜索,同时由于相邻像素的 (alpha, F, B)值近似,因此将相邻像素的搜索结果(候选集)拿来共用,共同估计出当前像素的(alpha, F, B)。
核心是为了减少计算量。
后处理:为了更好看一些,作者在得到候选集后,又进行了refinement和smoothing,才得到最终的估计值。
相关文章推荐
- 二分图最大匹配问题与匈牙利算法的核心思想
- ViBe算法核心思想
- 数据挖掘算法总结--核心思想,算法优缺点,应用领域,数据挖掘优缺点
- 机器学习十大算法的每个算法的核心思想、工作原理、适用情况及优缺点
- 垃圾收集算法的核心思想(1)
- 机器学习十大算法的每个算法的核心思想、工作原理、适用情况及优缺点
- 垃圾收集算法的核心思想(2)
- 机器学习十大算法的每个算法的核心思想、工作原理、适用情况及优缺点
- 算法核心思想总结及模板(不定期更新)
- 数据挖掘十大算法总结--核心思想,算法优缺点,应用领域
- pageRank算法核心思想
- 机器学习十大算法的每个算法的核心思想、工作原理、适用情况及优缺点
- 二分图最大匹配问题与匈牙利算法的核心思想
- 机器学习十大算法的每个算法的核心思想、工作原理、适用情况及优缺点
- 机器学习十大算法的每个算法的核心思想、工作原理、适用情况及优缺点
- 数据挖掘十大算法总结--核心思想,算法优缺点,应用领域
- SIFT算法核心思想
- 机器学习十大算法的核心思想、工作原理、适用 情况及优缺点
- 机器学习十大算法的核心思想、工作原理、适用 情况及优缺点
- 聚类分析之模糊C均值算法核心思想