文档介绍：前景提取综述
根据图像合成公式，一幅输入图像C可以表示为一幅前景图像F与一幅背景图像B的凸组合，艮PC=aF + (l - a)B。将求解a和F的问题称为前景提取问题，前景提取问题是一个欠约束问题。因此,许多前景提取算法都需要用户首先前景提取综述
根据图像合成公式，一幅输入图像C可以表示为一幅前景图像F与一幅背景图像B的凸组合，艮PC=aF + (l - a)B。将求解a和F的问题称为前景提取问题，前景提取问题是一个欠约束问题。因此,许多前景提取算法都需要用户首先大致将输入图像分割成包含己知前景区域、己知背景区域和未知区域的提示图像 (Trimap),然后算法根据己知前景区域和己知背景区域的信息来计算未知区域像素的掩膜值。
我们可以进一步的将前景提取问题分为两类：前景分割(Foreground segmentation)与前景抠图(Foreground Matting),前者认为图像中没有半透明像素，即a=0或a=lo后者认为图像中存在半透明像素，即a 6 [0, 1]。
在前景分割技术方面，主要有基于像素(Pixel-based)的方法，基于边界 (Edge-based)的方法和基于区域(Region-based)的方法：
基于像素的方法要求用户在单个像素级来指定前景或者背景，因此工作量非常庞大。
基于边界的方法允许用户围绕前景对象的边界绘制曲线，然后对该曲线进行分段优化，但是用户必须谨慎的绘制曲线，仍然需要大量的用户交互。
基于区域的方法允许用户指定一些松散的提示信息，并使用优化算法来提取实际的前景对象边界，因此具有简单快速的特点，但是基于区域的方法也具有缺陷，如区域检测算法可能失效，图像中某些区域可能很难给出合适的提示信息等。
在前景抠图技术方面，主要有基于采样(sampling-based)的算法和基于传播 (Propagation-based)的算法：
(1)基于采样的抠图算法的基本思想是，首先进行采样(如最近邻采样等)，然后利用样本点来估计未知区域像素点的前景颜色和背景颜色，算法的主要局限性在于不能精确的计算未知像素的掩膜值。
(2)基于传播的抠图算法的基本思想是，根据图像的统计特性做出假设(如邻域不变性等)，然后使用不需要进行颜色采样的基于传播的算法(如置信度传播等)来求解前景颜色和背景颜色，但基于传播的算法的前提假设条件不一定能得到满足。这两类算法一般都需要用户首先指定一幅提示图像，用户需要细致地构画出前景边界和背景边界，因此需要较多的用户交互，效率较低。
前景提取可以细分为前景分割与前景抠图两类,其中前景抠图技术在发展过程中又分为蓝屏抠图技术与自然抠图技术两类。
前景分割有以下几种方法：（1）基于阈值的分割方法：阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。阈值确定后，将阈值与像素点的灰度值比较和像素分割可对各像素并行地进行，分割的结果直接给出图像区域。（2）基于区域的分割方法：区域生长和分裂合并法是两种典型的串行区域技术。区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素有相同或相似性质的像素（根据某种事先确定的生长或相似准则