【计算机视觉】图像分割

---

一、图像分割简介

图像分割（简称图割），是将一个有向图分割成两个互不相交的集合，可以用来解决很多计算机视觉方面的问题，诸如立体深度重建、图像拼接和图像分割等。从图像像素和像素的近邻创建一个图并引入一个能量或“代价”函数，我们便可以利用图割方法将图像分割成两个或多个区域。图割的基本思想是，相似且彼此相近的像素应该划分到同一个区域。

二、图割（Graph Cut）原理概念

Graph cut是一种十分有用和流行的能量优化算法，在计算机视觉领域普遍应用于前背景分割、立体视觉、抠图等。

Graph cut算法仅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。

普通的图由顶点和边构成，如果边有方向，这样的图为有向图，否则为无向图，且边是有权值的，不同的边可以有不同的权值。

Graph cut是在普通图的基础上多了2个顶点，这2个顶点分别用符号“S”和“T”表示，统称为终端顶点。其它所有的顶点都必须和这2个顶点相连形成边集合中的一部分。（如下图所示）

如上图所示，将图中的像素点作为图中的点集，相邻像素通过边相连，另外多出的两个点S,T分别代表的是归于前景的点和归于背景的点。对每个边设置相应的权重，图割的目的就在于利用最小割的方法将边缘部分进行分割，此时的能量值（损失值）最小，由此得到对应的S,T集合，达到分割的目的。过程如下图所示（其中B,O代表事先设置的种子点，由此知道分割出来的部分哪个代表背景，哪个代表目标；B代表该点属于背景点，O代表该点属于目标点）：

三、图像分割相关代码

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

gr = digraph(