Image processing and Graph Cuts
什么是Graph Cuts ?利用图论来解决图像前景和背景分割的问题。
以简单的图片为例,画一条横线其中有前景也有背景,每一个在此线上的像素点都是一个node(已经很多了)再添加两个代表前景和背景像素点的node。
现在我们将线上的nodes分别和前景node,背景node连接。而这些连接的权值是通过从属与前景或者背景的概率计算得到。这些概率可以通过上一章提到的interactive image segmentation的方法来获得,还记得用户画出的scribbles吗 :)
接着,还要添加一些边,连接相邻的nodes,通常用到的有四邻域,八邻域等,取决于实际情况,本例中是1维上左右相邻。衡量边权也是有很多方法,比如利用梯度,利用相邻像素的变化,利用考虑相邻像素其领域的变化等,目的就是将相似的像素划为一个部分,不相似的分开。
节点和边权都有了,现在需要找到min cut:全局最小的权值,也就是分离很可能不是同一前景或者背景的nodes,运用到图论中的最小割原理。
当然为了减少nodes的数量,可以事先将要处理的图像做粗略的分割
image and video processing听课笔记(七)
最新推荐文章于 2019-04-17 23:24:08 发布