（一）基本介绍
Graphcut是一种基于图论的分割方法，在计算机视觉领域中应用于前背景分割、医学处理、纹理分割及立体视觉灯方能，基于图论的分割技术是图像分割领域中新的研究热点，该方法基于能量优化算法，将图像分割问题转化为图的最小割优化问题。Grabcut是Graphcut算法的改进。
graphcut是一种直接基于图切算法的图像分割技术，仅仅需要确认前景与背景输入，该算法就可以完成背景与前景相似督导额赋权图，并通过最优切割来实现图像分割。Grabcut算法不需要用户交互，仅仅需要输入包含目标前景的区域就可以完成前景与背景的分离。
基于图论的图像分割重点关注的是如何将图像映射为图，对于图像w * h，构造图G =（V，E），将一幅图像看作一个矩阵，图像中的每个像素对应着矩阵中的一个位置。像素位置可以看作图中的顶点，将相邻顶点之间连接起来形成边，由边和顶点构成图。其中涉及图的有两种顶点与边，分别定义为n-links与t-links，n-links为普通顶点，对应图像中的每个像素，每两个邻域顶点构成相应的边；t-links为除图像像素，还有另外两个终端顶点，每个普通顶点与这两个终端顶点之间都有连接。在进行图分析时，我们关注的是图像的4邻域，给每条边分配权重，权重的大小反映着相邻两个像素之间的相似程度。
Graphcut的目标和背景模型是灰度直方图，Grabcut采用的是RGB三通道混合高斯模型；Graphcut的能量最小化分割是一次计算实现的，而Grabcut是根据分割模型参数更新完成的学习过程；Graphcut需要用户输入前景与背景区域点集，而Grabcut只需要提供含有背景的区域像素集就可以完成分割。
注意：疑似背景或前景也被分类成确定性的。
（二）函数原型
void grabcut(InputArray img,InputOutputArray mask,Rect rect,InputOutputArray bgdModel,InputOutoutArray fgdModel,int iterCount,int mode = GC_EVAL);其中，img为待输入分割图像，要求是8位3通道；mask位输入/输出掩码图像，当掩码设置位GC_INIT_WITH_RECT时，掩码必须要初始化，其元素可以选择以下参数：GCD_BGD的定义为确认背景，GCD_FGD的定义为确认前景，GCD_PR_FGD的定义为肯的前景，GCD_PR_BGD的定义为可能的背景，rect分割目标的ROI限定区域范围，该窗口内的像素被处理，参数可设置为GC_INIT_WITH_RECT;bgdModel为背景模型的临时储存数组；fgdModel为前景模型的临时储存数组；iterCount为迭代次数，结果返回前应该保证该参数已生成。
