相比分水岭算法，GrabCut算法不是基于数学形态学，虽然相比分水岭算法计算的复杂度更高，但是其产生的结果更加精确。
适用范围：从静态图像中提取前景物体。
缺点：运行计算速度较慢，无法对连续的视频文件进行处理
grabCut函数拥有七个参数，分别为
cv::grabCut(image, //输入图像 result, //分割结果（这应该是一个掩模版） rectangle2, //自定义矩形（包含前景） bkgModel, fgrModel, //函数中的模型 5, //迭代次数 cv::GC_INIT_WITH_RECT); //矩形进行初始化
这个函数中，result这个分割结果图像可以有四种数值：
cv::GC_BGD;//确定属于背景元素 cv::GC_FGD;//确定属于前景元素 cv::GC_PR_BGD;//可能属于背景元素 cv::GC_PR_FGD;//可能属于前景元素
现在，我们使用compare函数对result进行比较赋值：（compare函数的原型在这里不过多解释）
将result中符合cv::GC_PR_FGD的值赋值给result，得到只有可能前景的result
也就是说，在应用grabCut函数之后，result有四个可能的值，所以这个时候如果你在grabCut函数之后加一句imshow，会得到一幅全黑图像
这时应用compare，可以将符合GC_PR_FGD的元素提取出来，这时再应用imshow，就可以看到拥有前景图像的result，并且这个result大小和之前的result大小相同
这时，我们来到了函数中最关键一步：
result = result&1;
这句话的意思就是，将符合前景的元素掩模版，重复制给result，现在的result，就相当于只有0 1两个值的掩模版
最后，创建一个foreground白板图像，用copyTo传递
总结一下：
首先，grabCut函数应用创建一个result掩模版，但是这只是最初的掩模版，他的筛选还没有被确定，确定要用上文提到的四个常量确定
之后，将符合cv::GC_PR_FGD部分的result掩模版更新为新的result
在按位与操作中，result可以最终更新为只有0 1值的掩模版
随后的copyTo中，就可以把image图像中符合掩模版的部分赋值到foreground中
上代码：
int main() { cv::Mat image = cv::imread("F:\\group.jpg"); cv::Mat result; cv::Rect rectangle2(10, 100, 380, 180); cv::Mat foreground(image.size(), CV_8UC3, cv::Scalar(255, 255, 255)); cv::Mat bkgModel, fgrModel; cv::grabCut(image, //输入图像 result, //结果图像 rectangle2, bkgModel, fgrModel, 5, cv::GC_INIT_WITH_RECT); cv::compare(result, cv::GC_PR_FGD, result, cv::CMP_EQ); result = result & cv::GC_FGD; image.copyTo(foreground, result); cv::rectangle(image, rectangle2, cv::Scalar(255, 255, 255), 1); cv::namedWindow("Image 2"); cv::imshow("Image 2", image); cv::namedWindow("Foreground objects"); cv::imshow("Foreground objects", foreground); cv::waitKey(0); return 0; }
写的不好的地方，我会在后面的时间一点点修改
