1  绪论
1.1  研究背景
人像植入是从自然图像背景中抠出人像，并将人像移植到全景背景中的过程。目前市场上已经出现了一些可通过简单操作的图像处理工具进行人像植入操作，例如美图秀秀。这些图像处理工具可以通过简单的用户操作将人像从背景中抠取出来，将抠取的图像做进一步的处理后移植到新的背景中去。但是目前市场上存在的图像处理工具(如美图秀秀)的自动抠取前景的功能出现抠取人像不准确的问题，当人像边缘复杂时（例如头发）或者人像前景存在孔洞时，得到的抠像结果不准确，如图，左上角细丝毛发部分没有抠取出来，同时右上角前景背景混合在一起，细丝毛发也没有被抠取出来：
  
图1 美图秀秀自动抠图效果
人像植入工具主要包括三个主要步骤：自动抠取前景人像，人像前景放大、缩小、边缘羽化等处理，人像植入新背景。其中自动抠取前景人像功能在很大程度上影响人像植入的效果。而在自动抠取前景功能中的核心技术是数字抠图技术。
数字抠图技术是基于Poter和Duff提出的数学模型[1]。该数学模型认为，对于任意一幅图像I可以分解为一幅前景图像F和一幅背景图像B在通道α的线性组合，用公式可以表示为：
 (1.1)
式中α表示透明度，为实数，取值范围为[0,1]，当α=0时，图中α所对应的像素为背景像素，当α=1时，图中α所对应的为前景像素，当α∈(0,1)时，图像中α对应的像素属于混合像素，颜色值由前景和背景颜色线性合成。
由于上述抠像方程中的α、F、B参数均为未知量，无法求抠像方程，因此抠像问题是一个病态的问题，需要获得额外信息或者一定的交互求解抠像方程[5]，在早期的研究中，通常将前景物体放入已知颜色的背景得到前景图像，即常说的蓝屏抠图[2]。由此，数字抠图技术根据是否需要引入额外物理条件分为为额外信息抠图方法和自然图像抠图两大类。额外信息抠图除蓝屏抠图还有闪屏抠图[3]、阵列镜头抠图[4]，由于额外信息抠图对待处理图像有物理条件上的要求，该类抠图方法只能用于特定场景，应用范围不广；而自然图像抠图方法对处理图像的前景和背景没有要求，可以在任意背景下实现抠图，具有实用价值且应用广泛[5]。且自然图像抠图正处于快速发展的阶段，因此要解决人像植入自动抠图不准确的问题，需要对自然图像抠图技术进行研究。
1.2  自然图像抠图技术的研究综述
1.3  研究内容与研究路线
1.3.1  研究内容
(1)通过阅读文献，比较抠图算法的特点，选择三种闭合形式抠图算法，共享抠图算法(Shared Matting)，广泛采样抠图算法(Comprehensive Sampling Matting)、KNN抠图算法(KNN Matting)，基于Opencv选用C++语言实现上述三种闭合形式算法。
(2)阅读文献，制定一套全面的闭合形式抠图算法评价方法。评价方法包括包括分析法和实验法，其中实验法包括测试图片的选择，评价指标等内容。
(3)将选取的三种算法作为评价实例，首先理论分析三个算法的复杂度，然后通过实验法根据制定的评价方法选取合适的测试集对三种抠图方法进行实验，并根据实验结果分析评价三种抠图方法。
(4)利用MFC应用程序框架开发基于Opencv人像植入工具，该工具包括打开图像，保存图像，抠取人像，人像羽化处理，将人像植入到全景背景图片，放大、缩小图像，撤销操作，调整前景人像透明度等功能。 闭合形式抠图算法比较及人像植入工具开发(3):http://www.751com.cn/jisuanji/lunwen_21895.html