[转载]Kinect抠图启蒙

怎么玩穿越？从楼梯上摔下？被车撞？被雷电劈？太危险鸟！最新穿越方式：一台 Kinect 即可。

去年上半年开发了一个Kinect项目，这是一个类似于虚拟演播室的项目，它使用 Kinect 实时捕捉图像，将人物抠出来，然后与图像、其它视频或其它程序里的内容实时合成。

过完年了，与对方约定的保密期也过去了，且撰文总结一下，谈谈开发这个项目过程中的体会。

先上图，去年夏天拍的。

在这张图的电脑屏幕上有一个睿智的中年大叔，哦……这不是我，这是魔兽世界里大名鼎鼎的青铜龙王诺兹多姆。走在最前方那个让诺兹多姆仰望、让战五渣侧目、让绿龙女王害羞、让红龙女王情不自禁、把萨尔气得跳了大漩涡的英俊潇洒的人类大帅哥才是我。

好一副穿越的场景。这个场景怎么来的呢？

主角就是Kinect。具体步骤为：

（1）人物站在房间中做动作；

（2）Kinect 找到人物的景深图和彩图，配准后，将人物抠出来；

（3）对抠出来的图进行处理，让它变得稳定平滑；

（4）后台解码待合成的视频，将抠图与视频进行图像融合，然后一帧、一帧的在屏幕上显示；

（5）这个照片是手中拿的IPad实时拍下来的。

来段新录制的视频（由于是一边跑程序一边录制的，看起来比较卡。实际情况比这流畅，大概能到每秒10帧。我的显卡比较烂，换好显卡更流畅）：

（萨尔你这么苦大仇深的看着我干啥？）

项目总结：

（1）Kinect 的景深图非常的不稳定。如何让它稳定的贴合人体的边缘是个非常困难的事情。虽然做了一定的工作，效果只能说是可接受，而并不完美。

（2）抠出来的图不能直接贴上去，而要使用图像融合技术让边缘过度尽量自然。常见的图像融合方法有拉普拉斯融合和泊松融合。这里借 XXX Tech 博客里的的一张图来说明，直接贴图、泊松融合和拉普拉斯融合的对比。

为性能起见，我采用的是拉普拉斯融合。泊松融合太复杂了，直接放弃。后来又发现了更好的高性能算法，鉴于当时效果对方已经满意了，就没具体实现。

（3）性能！性能！

整个项目一大半时间在优化性能。因为要实时视频解码，要实时从Kinect处拿到彩色图片和景深图片，实时配准，实时稳定边缘，实时图像融合，以上操作最少要达到每秒十几帧，因此需要极度的压榨性能。压榨到什么程度呢？压榨到CPU和图像尺寸近似的情况下，我用C#写的拉普拉斯混合性能是别人论文中VC版本性能的几十倍（不是说C#比VC快，优化的是拉普拉斯混合算法本身），以至于只用C#单线程就实现了640×480大小的拉普拉斯混合。后来，对方要做1280×960分辨率的，C#歇菜了，直接上了CUDA。

Kinect感想：

（1）Kinect为我们提供了一个非常经济的获得景深图、骨骼图的设备；

（2）除了游戏外，使用这套设备我们可以做很多事情，比如，能自动跟踪垃圾的垃圾桶，试衣服，以及本文讲的这个可用于虚拟演播室。

发挥想象力吧，想象你K歌的时候，Kinect把你融合进大屏幕中，就像你本人在舞台上一样，这种震撼和体验。

想象轻易的穿越进各种各样的视频之中，想象可以轻松的拍摄各种场景照片 ……

Kinect 为我们打开了第一步，也仅仅只是第一步，要用它做些事情，只会Kinect SDK的话走不远。

以Kinect试衣服为例子。

从上面这图，可以看到它采用的只是单纯贴图技术，且贴的不紧。

为什么贴的不紧？

——没准确找到人物的轮廓。

为什么没有准确找到人物的轮廓？

——Kinect的景深图不稳定。

怎么能找到准确的轮廓？

——这就复杂了。我预感需要三个一起用上才行：Kinect自带的景深图，自然抠图技术和前景/背景建模。三个用上后估计能够得到准确的人物轮廓。

找到准确的轮廓后可以做什么？

——可以换背景，换场景。

这是锦上添花。

——那么，或许可以结合计算机动画和图像变形技术，做关节动画，这样你做动作，服装也会跟着你做动作，尤其是有袖子的服装。

只会Kinect，上面这些都做不了。要用Kinect开发现实应用，重点在Kinect之外。