摘要: 数字抠图技术作为图像处理和计算机视觉技术中的一种，近年来得到了广泛深入的研究，提出了各种各样有效的抠图算法。抠图与图像合成技术已经成为影视制作中必不可少的关键技术，它也广泛应用于现在的媒体制作当中，包括杂志，二维艺术与图形，电视，广告，视频以及多媒体标题制作等等。近几年来，马尔可夫随机场（MRF）在计算机视觉与多媒体领域中得到了越来越广泛的应用。视觉信息具有上下文约束是非常普遍的，它是视觉问题中不可或缺的一个重要性质。利用MRF理论以及优化原理我们可以设计出各种优化算法来解各种各样的视觉问题，绝大多数MRF模型用来处理低级视觉问题。比如图像恢复与分割，表面重建，边缘检测，纹理合成，光流计算，shape from X，活动轮廓线等等。MRF模型在高级视觉问题中的应用，比如对象的匹配和识别，近几年也开始慢慢得到了重视。作为和边缘检测和图像分割有着密切关系的抠图问题，MRF在其中的应用是自然而然的事情。尽管光滑图像的抠图问题已经得到了广泛的研究，研究人员也提出了各种各样有效的光滑图像抠图方法。有的方法速度很快，有的方法效果很好。与光滑图像抠图相对应的，就是复杂图像的抠图。我们把颜色变化比较剧烈的图像称为复杂图像。在日常生活中存在着大量的这样的图像。因此，找到一种能够处理这种图像的抠图算法显得非常有必要。复杂图像的抠图问题至今还没有研究人员对其进行过专门研究并提出相应的有效的解决办法。本文在分析借鉴先前各种抠图算法优缺点的基础上，提出了一个在MRF模型中的复杂图像抠图框架，把MRF模型应用到了自然图像抠图领域中。其主要步骤为：首先，手工把输入图像粗略地划分为三个区域：前景区域，背景区域和未知区域。然后再把未知区域分成几个子区域。在每个子区域中，算出每一个未知区域中的点附近的前景或者背景点的颜色集合，然后我们把它们分成几簇，计算出每一簇的颜色加权平均值做为该点的前景或背景颜色候选值。我们把抠图标号赋给子区域中的像素并建立MRF抠图模型。通过这样把抠图问题转化成MRF框架下的全局优化问题并以模拟退火作为寻找该最优解的方法。通过文中所举抠图例子的比较说明，基于马尔可夫随机场的抠图方法和以往的自然图像抠图方法相比，在仅增加少量的人工交互的情况下，能够在复杂图像中获得更好的抠图效果。