计算机视觉：图像分割

一、算法介绍

Graph Cut（图形切割）应用于计算机视觉领域用来有效的解决各种低级计算机视觉问题，例如图像平滑（image smoothing）、立体应对问题（stereo correspondence problem）、图像分割（image segmentation）等等。此类方法把图像分割问题与图的最小割（min cut）问题相关联，在计算机视觉的很多类似的问题中，最小能量（minimum energy）方案对应解决方案的最大后验估计（maximum posterior estimate）。
友情链接：图像分割经典算法（最小割最大流）
使用Graph Cut的方法可以精确的解决”二进制问题“（binary problem），例如对二进制图像进行去噪。可以用两个以上不同的标签（例如立体对应（stereo correspondence）或灰度图像的去噪）标记像素的问题不能精确解决，但产生的解决方案通常能够接近全局最优的效果。

二、 GraphCut

GraphCut利用最小割最大流算法进行图像的分割，可以将图像分割为前景和背景。使用该算法时需要在前景和背景处各画几笔作为输入，算法将建立各个像素点与前景背景相似度的赋权图，并通过求解最小切割区分前景和背景。

三、运行结果