image and video processing听课笔记（七）

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