1、圖像分割原理

? 圖像分割（image segmentation）技術是計算機視覺領域的一個重要的研究方向，是圖像語義理解的重要一環(huán)。圖像分割是指將圖像分成若干具有相似性質的區(qū)域的過程，從數(shù)學角度來看，圖像分割是將圖像劃分成互不相交的區(qū)域的過程。近些年來隨著深度學習技術的逐步深入，圖像分割技術有了突飛猛進的發(fā)展，該技術相關的場景物體分割、人體前背景分割、人臉人體Parsing、三維重建等技術已經在無人駕駛、增強現(xiàn)實、安防監(jiān)控等行業(yè)都得到廣泛的應用。
? GraphCut是基于圖論的分割方法，此類方法基于圖論的方法利用圖論領域的理論和方法，將圖像映射為帶權無向圖，把像素視作節(jié)點，將圖像分割問題看作是圖的頂點劃分問題，利用最小剪切準則得到圖像的最佳分割。

2、圖像分割應用

1、Graph Cuts

Wij是節(jié)點i到節(jié)點j的(i,j)的權重，并且是對割C所有的邊的權重進行求和。利用圖割方法進行圖像分割的思想是對圖進行劃分 以使割代價Ecut 最小。

2、Graph Cuts改進版

Ed是指源點和匯點到各個像素 之間的連線（前背景先驗代價總和），Es指像素點在分割之 間的連線（鄰域代價總和）
利用圖割方法進行圖像分割的 思想是對圖進行劃分以使割代 價E最小。

3、圖像分割實現(xiàn)

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

gr = digraph()
gr.add_nodes([0,1,2,3])
gr.add_edge((0,1), wt=4)
gr.add_edge((1,2), wt=3)
gr.add_edge((2,3), wt=5)
gr.add_edge((0,2), wt=3)
gr.add_edge((1,3), wt=4)
flows,cuts = maximum_flow(gr, 0, 3)
print ('flow is:' , flows)
print ('cut is:' , cuts)

            
          

            
              # -*- coding: utf-8 -*-

from scipy.misc import imresize
from PCV.tools import graphcut
from PIL import Image
from numpy import *
from pylab import *

im = array(Image.open("empire.jpg"))
im = imresize(im, 0.07)
size = im.shape[:2]
print ("OK!!")

# add two rectangular training regions
labels = zeros(size)
labels[3:18, 3:18] = -1
labels[-18:-3, -18:-3] = 1
print ("OK!!")


# create graph
g = graphcut.build_bayes_graph(im, labels, kappa=1)

# cut the graph
res = graphcut.cut_graph(g, size)
print ("OK!!")


figure()
graphcut.show_labeling(im, labels)

figure()
imshow(res)
gray()
axis('off')

show()

            
          

4、圖像分割結果

1、原圖：

2、運行結果：

參考文獻：圖像分割技術介紹