Как использовать GMM, возвращаемые opencv grabcut, чтобы вычислить возможности пикселя, принадлежащего переднему плану или фону

Question

Я ломал голову, пытаясь понять, как использовать модель GMM, возвращаемую функцией opencv grabcut (Python API), возвращаемые модели GMM представляют собой кортеж 2* 64 элементов, который, как я полагаю, содержит как среднее, так и дисперсионную информацию, но я не Не знаю, как применить его к пикселю, содержащему 3 цветовых канала, чтобы предсказать, насколько вероятно, что он принадлежит переднему плану или фону. Мне не удалось найти ни одного примера кода, который бы что-либо делал с моделями GMM, возвращенными функцией grabcut.

Кроме того, я понимаю, что могу использовать EM.predict, чтобы получить возможности, если я построю график и обучу фон / передний план, используя EM. Но я хочу иметь возможность использовать grabcut так, как это написано.

Любая помощь будет оценена!

Answer 1

Оказалось, что это довольно сложный вопрос, правильный порядок расчета которого заключается в том, чтобы сначала назначить один из компонентов GMM этому пикселю, а затем вычислить вероятность на основе веса, среднего значения и ковариации назначенного гауссова значения.