GraphCut图像分割Python实现

使用最大流最小流算法实现图割，基于Python的程序。

---

程序代码 https://github.com/DamonZCR/GraphCut.git

话不多说，下面就是介绍.

一、图割

#废话还是要说点的，显得大气些。

图像分割作为计算机视觉领域的基础研究方向，多年来一直受到众多研究人员的密切关注，经过多年发展，广大学者提出了许多有效的图像分割算法，本文将图像分割问题与图论中的Ford-Fulkerson标号算法相关联。Ford-Fulkerson标号算法总的来说就是不断地在图中找增广路径（一条从源点到汇点的路径，所有前向边都是非饱和边，反向边都是非零边）。图像分割方法的原理是将图像映射为加权无向图，并通过最大流最小截定理求得其最小截，从而分割出图像中的目标。

二、运行

程序实现添加待操作的图像，用户进行画笔标记需要切分的两块区域，点击运行。首先会展示将要切割输出的图像，以红色背景为标记。之后用户可选择是否保存切割输出。

结果

原图（示例）：操作图（标记出切割区域）：初切割展示：切割后的保存输出图片：

三、主要代码

主文件GraphCut.py ：

# coding=utf-8
import CutUI
if __name__ == '__main__':
	# 参数1：输入文件，参数2：输出文件。
    ui = CutUI.CutUI('resource/1.jpg', 'resource/new.jpg')
    ui.run()

图片操作GraphMaker.py主要方法 ：

    def cut_graph(self):
        self.segment_overlay = np.zeros_like(self.segment_overlay)
        self.mask = np.zeros_like(self.image, dtype=bool)
        g = maxflow.Graph[float](len(self.nodes), len(self.edges))
        nodelist = g.add_nodes(len(self.nodes))

        for node in self.nodes:
            g.add_tedge(nodelist[node[0]], node[1], node[2])

        for edge in self.edges:
            g.add_edge(edge[0], edge[1], edge[2], edge[2])
        # 对图片开始执行切割
        g.maxflow()

        for index in range(len(self.nodes)):
            if g.get_segment(index) == 1:
                xy = self.get_xy(index, self.image.shape)
                self.segment_overlay[xy[1], xy[0]] = (255, 0, 255)
                self.mask[xy[1], xy[0]] = (True, True, True)

上面的这段代码只是GraphMaker.py中的方法之一。

运行时，控制台输出：
正在切割图片：

保存输出图片完成：

---

四、总结

程序的运行方法在Github中，打个⭐标记住哦😝。
希望大家批评学习！