大部分抠图算法采用一幅原图像和一幅对应的Trimap 作为额外的用户信息。Trimap 是一幅已被粗分割过的图像，如图1.1,它划分原图像为3 个区域:已知前景、已知背景和未知区域。 已知前景和已知背景提供了将要假设条件所使用依赖的先验知识，未知区域表示算法将要处理的区域. 算法的结果是一个前景图像层和背景个背景图像层,前景图像层中包含了每个像素的前景颜色信息和不透明度值,当它们按照方程(1.1) 合成时,能得到1 幅同原图像精确匹配的图像。文献综述

另一类目前更为流行的做法是由用户在原图像的前景区域和背景区域的适当位置简单的勾勒几笔(稀疏画笔集) ,画笔覆盖的位置提供了图像前景、背景以及混合区域的相关信息,所有未被画笔覆盖的区域均是未知区域,而算法仅需依赖这些很少的交互信息就能构造一个求解系统,通过扩散或羽化过程求解。

(a)原图              (b)trimap

图1.1  (b)中白色为已知前景，黑色为已知背景，灰色为未知区域。

抠图问题可分为过约束和和欠约束两个大类[8]。过约束通过引入适当的多源信息增加约束条件，使得分割结果成为满足多约束的最优解。欠约束分割则是有多组解，分割所得的结果只是满足约束的一个解。过约束抠图面临的挑战是如何充分地利用、并协调多源信息；欠约束抠图面临的主要问题是如何在信息不足的情况下分割出高质量的前景目标。

[8]到目前为止，仍没有一个统一、定量的评价标准来衡量抠图结果，大多数都是以主观视觉的满意程度作为评价标准的。即，不模糊、细节清楚、且有较强真实感的α图像，就可作为高质量的分割结果。根据分割所需的图像数和所得的α值，分割可以分为硬分割、软分割两种类型。本质上，硬分割与软分割都是标签分配问题，目标都是待分割图像中的每个像素寻找一个标签来标识其属于哪一类。二元分割将图像分为前景RF 和背景RB两个部分，仅涉及两个标签值（ α = 1或者0）；多元分割将图像分为几个部分，涉及多个标签值{0，1，2，…}，但是多元分割的本质与二元分割是一样的，都是将图像划分为几个不重叠的区域。因此，不论二元分割还是多元分割都称为硬分割。软分割对应的标签值 α = 1不再只是整数，而是在区间内取值α ∈ [0,1]，图像中的大部分像素对应的标签值仍为1 或者 0，即为完全前景或者完全背景，但是位于前景和背景交界处的具有细微结构的少量的混合像素（如动物毛发、烟雾等）对应的α 是介于0 和 1 之间的小数，这部分像素不完全属于前景，也不完全属于背景，因此这种分割方法称为软分割，也称为图像抠图算法。 

1.3 国内外发展动态

1.3.1 蓝屏抠图技术

1.3.2 基于trimap的自然图像抠图技术

1.3.3 基于线条的自然图像抠图技术

1.4  本课题的研究工作以及结构安排

本文主要对自然图像抠图技术做了简要综述，并对当今几种比较成功的抠图技术做了简要介绍，最后详细介绍了基于最大相似度的抠图技术，并以matlab为工具实现了该算法。全文一共分为5章，其结构如下：源:自~751-·论`文'网·www.751com.cn/

第一章 绪论，介绍了课题的研究目的，意义及国内外现状

第二章 简要介绍了几种常见的抠图算法

第三章 详细介绍了基于最大相似度的抠图算法 自然图像抠图技术与软件实现(4):http://www.751com.cn/jisuanji/lunwen_71768.html