你可以在这里找到你需要的东西，这里对许多抠图算法进行了比较。您可以在自然而复杂的图像上查看这些算法的性能排名以及在线演示。

从该研究中，您可以猜测A Global Sampling Method for Alpha Matting 是解决您的问题的最佳算法。该算法由 A Global Sampling Method for Alpha Matting Kaiming He、Christoph Rhemann、Carsten Rother、Xiaoou Tang 和 Jian Su 构思。

希望这可以帮助。

贝格拉杰。

您对细分的期望究竟是什么？这里的问题是没有真正的细分可以开始。

也就是说，这看起来像是基于纹理的分割的情况。大部分头发具有一个主要方向的凹槽纹理。

您可以尝试差异消光。

我引用了数字抠图的贝叶斯方法

在某些情况下，可以在已知但非恒定的背景下拍摄前景物体。处理这种场景的一种简单方法是获取照片和已知背景之间的差异，并根据任意阈值确定 α 为 0 或 1。这种方法，称为差异抠图（参见例如 [9]）容易出错并导致“锯齿状”抠图。通过模糊来平滑此类遮罩可以帮助解决锯齿状，但通常不能补偿严重错误。

它是一个非常简单的算法，使其易于实现和快速运行。你甚至不需要三张地图。它在那篇论文中提到了明显的准确性问题，但是鉴于您的图片是在恒定的白色背景上，我怀疑它们会是一个问题。当然，如果你想让它在更复杂的背景上工作，你可能不得不想出别的东西。

另请参阅没有蓝屏的视频背景替换