【计算机视觉】图像分割（Graph Cut）

目录

一、用python-graph工具包计算最小割

1.1 运行代码

1.2 运行结果

二、利用贝叶斯概率模型进行图像分割

2.1 相关函数说明

2.2 运行代码

2.3 运行结果及分析

---

一、用python-graph工具包计算最小割

1.1 运行代码

from pygraph.classes.digraph import digraph
from pygraph.algorithms.minmax import maximum_flow

gr = digraph()
gr.add_nodes([0,1,2,3])
gr.add_edge((0,1), wt=4)
gr.add_edge((1,2), wt=3)
gr.add_edge((2,3), wt=5)
gr.add_edge((0,2), wt=3)
gr.add_edge((1,3), wt=4)
flows,cuts = maximum_flow(gr, 0, 3)
print ('flow is:' , flows)
print ('cut is:' , cuts)

1.2 运行结果

这两个python字典包含了流穿过每条边和每个节点的标记：0是包含图原点的部分，1是与汇点相连的节点。此割为最小割。

二、利用贝叶斯概率模型进行图像分割

2.1 相关函数说明

build_baye_graph函数用于创建图像，从像素四邻域建立一个图，前景和背景由labels来决定，并用朴素贝叶斯分类器建模，我们用1标记前景训练数据、用-1标记背景训练数据的一幅标记图像，我们计算出每一像素的分类概率，即从源点出来和到汇点去的边权重，由此可以创建一个节点为n*m+2的图。

def build_bayes_graph(im,labels,sigma=1e2,kappa=2):
    m,n = im.shape[:2]
    # RGB vecto