动手学图割(graph cut)算法-01：图割两大派系

图割的基本思想是利用最大流算法求最小割，将元素划分为两个不相交的子集。现有的图切割方法可分为两类：一类是基于增广路径(augmented path)的方法，另一类是基于push-relabel的方法。

增广路径(augmented path)派

基于增广路径的图割算法难以并行化。
最早的基于增广路径的算法应该是1962年提出的Ford-Fulkerson算法：

令网络中的初始流量为零，沿着任意从起点到终点（且不含有饱和的正向边或是空逆向边）的增广路径增大流量，直到网络中不存在这样的路径为止。此时，网络中存在最大流和最小割。

其中，增广路径简单来说就是这么一条路径：

• 该路径是从节点S到节点T的一条路径；
• 该路径上所有边目前剩下的容量都大于0。

Ford-Fulkerson算法伪代码：

while(true){
	找一条增广路径;
	if(找不到) break;
	找增广路径中未使用容量最小值，路径各个边减去这个值;
}

后续很多增广路径的方法都是基于这个框架的改进，比如研究如何更快地找到一条增广路径。比较经典的是2004年，Boykov and Kolmogorov提出的算法（简称BK算法）。

push-relabel派

基于push-relabel的图割算法容易并行化，但是并行化的算法可能收敛缓慢，或者得不到全局最优解，换句话说就是结果可能出错。
详情见WIKI。

如何得到最小割

最小割和最大流经常被放到一起讨论，因为这二者是一个等价问题，当求出最大流的值时，最小割的值等于最大流的值。然而许多文章详细说明了如何求最大流（的值），却没有说明另一个问题：

得到最大流（或最小割）的值后，我怎么进一步确定割边集？

换句话说就是，我应该割掉哪些边，以得到两个不同的集合S和T？很多时候我们更关心应该割哪些边，而不关心最大流（最小割）的值是多少。例如当我需要拿图割这个工具进行图像抠图（图像分割）和三维点云表面（mesh）重建时。

其实确定割边集很简单，无论是增广路径(augmented path)的方法还是push-relabel的方法，得到最大流后，都会同时得到一个剩余网络（residual network），在残余网络中从顶点S出发遍历，能遍历到的顶点都属于集合S，其他的点则属于集合T，集合S指向集合T的那些饱和边就是最小割的割边。

参考文献

• Peng, Yi, et al. “JF-Cut: A parallel graph cut approach for large-scale image and video.” IEEE Transactions on Image Processing 24.2 (2014): 655-666.
• 《算法》第四版
• WIKI: Push–relabel maximum flow algorithm