前言
最近在学习区域卷积神经网络(RCNN)时,候选框产生使用了选择搜索(selective search),选择搜索中第一步图像分割又使用了基于图的图像分割(Effective graph-based image segmentation)。所以从底层开始研究基于图的图像分割(Effective graph-based image segmentation)。
简介
该图像分割算法的详细介绍可以参见以下博客:
https://blog.csdn.net/surgewong/article/details/39008861
在这里主要结合自己的理解作简要总结和梳理:
- 首先,将图像(image)表达成图论中的图(graph)。具体说来就是,把图像中的每一个像素点看成一个顶点vi ∈ V(node或vertex),每个像素与相邻8个像素(8-领域)构成图的一条边ei ∈ E,这样就构建好了一个图 G = (V,E)。图每条边的权值是像素与相邻像素的关系(灰度图的话是灰度值差的绝对值,RGB图像为3个通道值差平方和开根号),表达了相邻像素之间的相似度。
∣ g r e y [ x 1 , y 1 ] − g r e y [ x 2 , y 2 ] ∣ \left| {grey[x1,y1] - grey[x2,y2]} \right| ∣grey[x1,y1]−grey[x2,y2]∣
( r g b [ 0 ] [ x 1 , y 1 ] − r g b [ 0 ] [ x 2 , y 2 ] ) 2 + ( r g b [ 1 ] [ x 1 , y 1 ] − r g b [ 1 ] [ x 2 , y 2 ] ) 2 + ( r g b [ 2 ] [ x 1 , y 1 ] − r g b [ 2 ] [ x 2