Como método de segmentación de imágenes basado en la teoría de grafos, GrabCut ha atraído a cada vez más investigadores a prestar atención a este nuevo método debido a sus ventajas de operación simple y excelente segmentación. Con el fin de clarificar el estado de la investigación de GrabCut, comenzamos con el modelo original de GrabCut, revisamos los algoritmos mejorados que son nuevos o importantes basados en GrabCut en los últimos años, y los clasificamos en términos de preprocesamiento basado en superpíxeles, mapa de saliencia, modificación de la función de energía, mejora no interactiva y algunos otros algoritmos mejorados. También se revisa el estado de aplicación de GrabCut en varios campos. También experimentamos con algunos algoritmos mejorados clásicos, incluidos GrabCut, LazySnapping, OneCut, Saliency Cuts, DenseCut y Deep GrabCut, y analizamos objetivamente los resultados experimentales utilizando cinco indicadores de evaluación para verificar el rendimiento de GrabCut. Finalmente, se señalan algunos problemas existentes y también proponemos algunos trabajos futuros.