opencv第三课： lazysnapping

自己导师和这篇论文有极大的关系（导师也曾在微软亚研院），做的时候比较快。

可以说是效果很出色的一个算法。

步骤：

UI接入（人为指定前景后景）；

前后景颜色聚类；

对于未知分类的像素计算其分为前后景的代价；

附加惩罚项，因为真实世界是连续的，我们对于前后景出现跳变给出惩罚，因此结果会出现了连续性。；

最小化能量方程。

核心在于最小化能量方程，这里面涉及到部分马尔科夫的决策，建议仔细了解这一部分，对于我来说复习了很多数学知识。

如何去实现这样一个最小化能量方程代码？

建议单独使用一个类，专门完成最小化成能量。

具体的代码将会在我的github给出。

github link:https://github.com/Cindy-xdZhang/opencv-begining-project.