什麼叫“摳圖”？顧名思義，所謂摳圖就是從一幅圖片中將某一部分截取出來，和另外的背景進行合成。不要小看這一工作，我們生活中的很多圖像製品都曾經經過這種加工，例如廣告等，需要設計人員將模特照片中的人像部分摳取出來，然後再和背景進行合成。事實上，摳圖在您的生活中也大有用武之地，尤其是隨著數碼相機、掃描儀等設備的普及，越來越多的人開始樂於對自己手中的照片進行各種各樣的“特殊處理”，譬如把自己的全身像摳取出來放到別的背景中，把戀人的單人照片進行摳圖後與自己的照片合成雙人照等等，都需要用到摳圖。
在過去，人們往往使用套索工具進行摳圖操作。作為Adobe公司的知名圖形處理軟件，PhotoShop可以對圖形進行非常精確的處理，無論要摳取的圖形有多複雜，也可以分毫不差地全部截取出來。但是，對於新手來說，PhotoShop的使用略嫌複雜，如果不經過一段時間的培訓和練習，用戶很難掌握操作的要領。為了將圖片中的某一部分取出來，用戶必須沿著對象的邊緣“剪”一圈，如果圖片本身有較多的棱角或者突起，工作的難度就會成倍增加。
與PhotoShop相比，Lazy Snapping的使用就要簡單多了，對於絕大多數圖形來說，隻需要三步，就可以將我們需要的內容截取出來。
摳圖三部曲
讓我們以一幅貓的照片為例來看看這款軟件是如何簡單易用的。首先，我們按住鼠標左鍵，在需要截取的目標——貓的身上，隨意劃條線，這條線既不必準確地沿著貓的身體邊沿部分，也不必要求什麼“橫平豎直”，隻要是畫在貓身上即可。然後，在貓的身邊，也就是我們不需要的背景上，點住鼠標右鍵劃一道。幾乎在我們劃完這條線的同時，圖片中貓的部分就被套在一個取景框中了。怎麼，還有一部分沒有被選中？沒關係，您隻要在需要選中的位置再按住鼠標左鍵劃幾下，該部分就可以被選中了。
如果圖形非常簡單的話，那麼隻需要做到這一步就可以“大功告成”了。但是現在我們的目標是一隻貓，其身體的邊沿存在少數不規則或者低對比度的邊緣，我們還需要進行第二步：微調。聽到“微調”這個詞，有的朋友可能認為會非常複雜。但事實上，這一步的操作依然非常簡單。您可以通過調節套住貓身體的取景框來更準確地選取要截取的圖片。如果您想更簡單，也可以選擇軟件的“brush”功能，在不夠準確的地方隨著邊界刷兩下，軟件就會自動將需要截取的目標圖形的邊界準確地勾畫出來。
完成第二步操作後，圖片中貓的部分已經基本上都被取景框選中了。但如果我們仔細觀察就會發現，在前景和背景顏色不同的時候，背景的顏色往往會滲透到前景上來。在使用PhotoShop摳圖的時候，這就需要做“羽化”操作，以盡量弱化這種情況，但在大多數情況下，羽化並不能完美地解決這一問題，往往需要將前景的邊界收縮，“割”掉那些被背景顏色滲透的部分，也就是說要損失一定的前景。而在Lazy Snapping中，這一操作步驟被極大地增強並簡化了，不論前景和背景的顏色對比度是高還是低，Lazy Snapping都可以非常準確地將前景的顏色清楚地分離出來，既不會缺少一部分，也不會讓背景的顏色滲透到前景中去。
不過，如果您細心觀察的話，就會發現，貓的胡須並沒有被選中。這是因為貓的胡須為半透明，而且又長又細，相互之間又比較分散，因此軟件難以自動將其選中。這時就需要用到第三步操作。這一步的操作更加簡單，我們隻要用鼠標在貓胡須部位隨意塗抹兩下，將胡須部位覆蓋住，這些胡須就會被選中了。當然，嚴格地說，這並不是第三步操作的主要功能，軟件設計者之所以為軟件添加這一功能，其實更主要地是為了更好地完成前景和背景顏色的分離(Coherent Matting)。
Lazy Snapping的基礎：Graph Cut
Graph Cut技術是圖論中的一個概念，也是Lazy snapping這款軟件的核心技術。在軟件的第一步和第二步操作中，對前景的輪廓計算和對細節部分進行修補的操作，都是基於該技術進行的。
首先，當一張圖被導入到Lazy snapping中時，軟件會自動采用一種被稱為“水線（watershed）”的算法對該圖進行處理。
所謂水線，通俗地說，就是把一張圖像的梯度圖想像成為一片凹凸不平的山地，其中，顏色變化小的區域就是山脊，而顏色變化劇烈的區域就是山窪。我們知道，每一個山窪周圍必然都是一圈山脊，如果在每一個山窪的最低點打一個洞，然後通過這個洞向山窪裏注水，則經過一段時間之後，相鄰山窪裏的水必然會越過山脊連接到一起。兩個山窪之間的水連接在一起的這條線，就是水線。通過這些水線，軟件就可以把圖片分為大小不等的若幹“碎片”。我們可以注意到，每一個區域中的顏色基本上都是相同的。
為什麼要先對圖片進行“水線”處理呢？因為我們知道，在計算機中，每一幅圖都是由無數個像素點構成的，當軟件需要分辨出圖像的前景和背景時，就需要對圖像中的所有像素點進行分析，這樣一來工作量會成立方級數增加，大大減緩處理的速度。而采用了“水線”處理之後，圖像中需要分析的就是那些被分割出的區域了，其數量比像素點要少數十倍，從而大大加快了軟件的處理速度。
接下來，就該是用戶需要做的工作了——通過劃線，告訴計算機哪些是我們想要的前景，而哪些是我們不想要的背景。如果從像素點的角度來看，一旦我們在圖像上畫了一條線，則這條線經過的像素點被我們稱為“種子點”，這些“種子點”所涉及到的區域，則被稱為“種子區域”。接下來，我們就需要借助這些“種子區域”將圖片分為“前景區域”和“背景區域”兩大塊。利用Graph Cut優化算法，圖片上所有區域會被賦予惟一的屬性，不屬於“前景區域”就一定會屬於“背景區域”。
在經過“水線”處理後的圖片中，我們把相鄰的區域連接在一起。而接下來Graph Cut優化算法要做的，就是嚐試將每個非“種子區域”分別與“前景區域”（或“背景區域”）之間的通路“打斷”。如果全部通路都可以被打斷，則軟件猜測該區域不屬於“前景區域”，反之則可能屬於。這樣，經過一番運算後，軟件就可以將圖形分為“前景區域”和“背景區域”兩大部分了，也就將我們所需要的前景的大致輪廓勾勒了出來。
Graph Cut 優化的準則，考慮了每一個區域的顏色與種子區域之間的顏色相似性，顏色越像“前景區域”就越可能被分在前景。同時它也考慮了相鄰區域的顏色差別，顏色差別越大這兩個區域越可能被分開。這個優化問題可以用圖論中極大流（極小割）的方法很快解決。
對於一張結構較為簡單的圖形來說，如果其前景和背景的對比非常明顯，且前景的形狀較為簡單，則經過前麵的處理後，前景圖形就已經被“摳”出來了。不過，如果圖片的內容較為複雜，且前景和背景之間的對比度不是很明顯的話，則需要對圖片進行進一步的微調。
所謂進一步處理，其實就是將前景與背景之間的“邊界”清晰地確定下來。由於在此之前我們已經確定了前景的大致輪廓，因此在這裏我們隻對前景和背景相交處的邊界附近進行處理，也就是已經確定好的“前景區域”和“背景區域”之間的那一塊地帶。
要說明的是，在前一步操作中，軟件通過“水線”算法將圖像分為一塊塊區域以加快處理的速度。而現在，由於要對圖像的邊緣部分進行調整，軟件處理的對象又變成了像素而不再是區域，以滿足處理精度方麵的要求。
