Opencv学习笔记 - 基于图的分割

1、图的分割概述 

         Graph cuts是一种十分有用和流行的能量优化算法，在图像处理领域普遍应用于前后背景分割（Image segmentation）、立体视觉（stereo vision）、抠图（Image matting）等，目前在医学图像领域应用较多。

        应用于计算机视觉领域，图割优化可用于有效解决各种低级计算机视觉问题（早期视觉），例如图像平滑、立体对应问题、图像分割、对象协同分割，以及许多其他可以根据能量最小化来表述的计算机视觉问题。许多这些能量最小化问题可以通过解决图中的最大流量问题来近似（因此，通过最大流最小割定理，定义图的最小割）。在计算机视觉中此类问题的大多数公式中，最小能量解对应于解的最大后验估计。尽管许多计算机视觉算法涉及切割图（例如，归一化切割），但术语“图切割”专门应用于那些采用最大流/最小切割优化的模型（其他图切割算法可以被视为图分割算法）。

2、基本思路

        将图像的像素表示为图的节点，然后将图的最佳划分（切割）为节点组。最佳性基于这样的标准：对于一个组（即，一个区域）内的成员，其值较高，而对于不同组的成员，该值较低。在某些情况下，图切割分割的结果可能优于迄今为止所研究的任何分割方法所获得的结果。