OpenCV开发中如何实现图像精准人体抠取，替代现有矩形框选检测效果

• 全图范围直接执行Otsu阈值分割没有前置的人物ROI约束，很容易将背景中的明暗块、纹理边缘误识别为前景目标，把大量无关的场景区域纳入分割范围，最终输出的边界完全不贴合人体
• 无强先验约束的Watershed分水岭算法本质是基于像素梯度的区域生长，遇到和人物服装、肤色颜色接近的背景块时，只会顺着图像纹理乱生成边界，根本无法实现人体轮廓的精准匹配
• 300x300的低分辨率检测输入本身就存在较大的框定位误差，后续分割的基础先验不准，再好的分割算法也无法修正定位偏差带来的轮廓错位

路径1：复用现有MobileNetSSD检测逻辑的轻量级联优化（改动成本最低） #

完全保留已经跑通的人物粗检测流程，把原本全图跑Watershed的逻辑替换为“检测框ROI内的GrabCut分割”，步骤如下：

1. 拿到置信度>0.5的人物外接矩形后，给矩形做15%的边缘扩展，避免裁切掉头发、衣角、鞋尖等人体边缘部分，将扩展后的ROI作为唯一的分割处理范围，直接屏蔽全图其他区域的无关干扰
2. 用扩展后的ROI坐标作为GrabCut算法的初始化矩形，仅需5次迭代即可完成ROI内的前景/背景分离，不需要手动标注种子点，鲁棒性远高于无先验的Watershed
3. 从分割得到的掩码中提取外轮廓，直接在原图上绘制轮廓线替换原来的红色矩形框

关键实现代码参考：

# 复用现有代码拿到(startX, startY, endX, endY)人物检测框后
pad = 20  # 边缘扩展像素，根据图像分辨率动态调整
x1 = max(0, startX - pad)
y1 = max(0, startY - pad)
x2 = min(W, endX + pad)
y2 = min(H, endY + pad)
roi = image[y1:y2, x1:x2]

# 初始化GrabCut模型参数
mask = np.zeros(roi.shape[:2], np.uint8)
bgd_model = np.zeros((1, 65), np.float64)
fgd_model = np.zeros((1, 65), np.float64)
rect = (0, 0, x2 - x1, y2 - y1)

# 以检测框为初始化，运行5次迭代
cv2.grabCut(roi, mask, rect, bgd_model, fgd_model, 5, cv2.GC_INIT_WITH_RECT)

# 生成二值掩码：将确定前景、可能前景的区域标记为255
mask_bin = np.where((mask == cv2.GC_FGD) | (mask == cv2.GC_PR_FGD), 255, 0).astype('uint8')
# 提取轮廓并绘制
contours, _ = cv2.findContours(mask_bin, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(image[y1:y2, x1:x2], contours, -1, (0, 255, 0), 2)

对应优化技巧：

• 对分割得到的掩码边缘做1个像素的高斯模糊羽化，可消除抠图边缘的硬锯齿，让轮廓更自然
• GrabCut初始化时一定要给检测框留足够的背景余量，不要完全贴边，否则算法会把边缘处的人体部分误判为确定背景，造成轮廓缺角

路径2：高精度像素级分割方案（适配对轮廓精度要求高的场景） #

如果传统GrabCut在人物/背景颜色高度接近的场景下效果不达预期，直接切换为轻量人体分割模型即可，不需要继续在传统视觉算法上反复调参：

• 替换现有检测逻辑为OpenCV官方内置的轻量人体分割模型，或PP-HumanSeg系列的轻量版模型，这类模型可直接输出像素级的人体掩码，不需要后续的额外分割步骤，轮廓贴合度远高于传统Watershed/GrabCut方案，普通CPU上的推理速度可保持在10~15FPS，完全满足离线图像处理需求
• 调整现有MobileNetSSD的blob输入分辨率：将原本300x300的输入尺寸提升至512x512，检测框的定位误差可降低30%以上，后续所有分割流程的先验基础会更准确

• 严禁在全图范围无约束运行Watershed算法，没有ROI限定的Watershed会把全图所有纹理的梯度都作为边界，必然生成大量无意义的乱线
• Otsu全局阈值对光照不均匀的场景鲁棒性极差，遇到人体服装存在明暗渐变、和背景灰度值接近的区域，会直接把人体内部的块误分为背景，后续不管怎么调整距离变换的阈值、迭代次数都无法修正这类分割错误

内容的提问来源于stack exchange，提问作者Sachin Rajput