Hall定理 二分图完美匹配

充分性证明就先咕了,因为楼主太弱了,有一部分没看懂

霍尔定理内容

二分图G中的两部分顶点组成的集合分别为X, Y(假设有\(\lvert X \rvert \leq \lvert Y \rvert\))。G中有一组无公共点的边,一端恰好为组成X的点(也就是存在完美匹配)的充分必要条件是:X中的任意k个点至少与Y中的k个点相邻,即对于X中的一个点集W ,令N(W)为W的所有邻居, 霍尔定理即对于任意W,\(\lvert W\rvert \leq \lvert N(W)\rvert\)

证明

1.必要性显然
2.充分性咕咕咕

但是仅仅是这样Hall定理是没什么用的,有一个NB的推论:

推论

假设两边的点集分别为X,Y,则二分图的最大匹配数为\(\lvert X \rvert - max\{\lvert W\rvert -\lvert N(W)\rvert \}\),其中W是X的子集
这个推论就很厉害啦,对于一些特殊的题目,它可以免去建图而直接求最大匹配

转载于:https://www.cnblogs.com/dummyummy/p/10311769.html

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像匹配是通过对图像内容、特征、结构、关系、纹理及灰度等进行对应关系的分析,以寻找相似影像目标的方法。在Python中,可以使用不同的库和技术来进行图像匹配,例如SIFT(尺度不变特征变换)和Harris角点检测。 使用SIFT实现图像匹配的代码如下: ``` from PIL import Image from pylab import * import sys from PCV.localdescriptors import sift if len(sys.argv) >= 3: im1f, im2f = sys.argv[1], sys.argv[2] else: im1f = 'mansion1.jpg' im2f = 'mansion2.jpg' im1 = array(Image.open(im1f)) im2 = array(Image.open(im2f)) sift.process_image(im1f, 'out_sift_1.txt') l1, d1 = sift.read_features_from_file('out_sift_1.txt') figure() gray() subplot(121) sift.plot_features(im1, l1, circle=False) sift.process_image(im2f, 'out_sift_2.txt') l2, d2 = sift.read_features_from_file('out_sift_2.txt') subplot(122) sift.plot_features(im2, l2, circle=False) matches = sift.match_twosided(d1, d2) print('{} matches'.format(len(matches.nonzero()[0]))) figure() gray() sift.plot_matches(im1, im2, l1, l2, matches, show_below=True) show() ``` 而使用Harris角点检测实现图像匹配的代码如下: ``` from PIL import Image from numpy import * import harris from pylab import * wid = 5 im1 = array(Image.open('memorial_hall1.jpg').convert('L')) im2 = array(Image.open('memorial_hall2.jpg').convert('L')) harrisim = harris.compute_harris_response(im1, 5) filtered_coords1 = harris.get_harris_points(harrisim, wid, 0.2) d1 = harris.get_descriptors(im1, filtered_coords1, wid) harrisim = harris.compute_harris_response(im2, 5) filtered_coords2 = harris.get_harris_points(harrisim, wid, 0.2) d2 = harris.get_descriptors(im2, filtered_coords2, wid) print('starting matching') ``` 请问还有其他方面的相关问题吗? 相关问题: 1. 如何使用OpenCV进行图像匹配? 2. Python中还有哪些常用的图像匹配算法? 3. 如何评估图像匹配的质量? 4. 图像匹配在计算机视觉中的应用有哪些? 5. 如何在大规模图像数据库中进行高效的图像匹配? 6. 图像匹配的性能如何受到图像变换的影响?

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值