【计算机视觉】图像分割

最新推荐文章于 2023-08-22 16:05:03 发布

原创最新推荐文章于 2023-08-22 16:05:03 发布 · 729 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#Graph Cut #图割 #图像分割 #计算机视觉

计算机视觉专栏收录该内容

12 篇文章

订阅专栏

本文介绍了图像分割的基本概念，并详细阐述了图割（Graph Cut）算法，将其视为图像像素的二元标号优化问题。通过构建带权图并求解最大流/最小割，实现图像分割。文中给出了图割实现的步骤，包括计算最大流和图像分割实例，展示了不同场景下图割的效果，并讨论了参数调整对分割结果的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

图像分割是将一幅图像分割成有意义区域的过程（即分割图像前景和背景）。这些区域可以是一些颜色、边界或邻近相似等特性进行构建的。现在网上图像分割技术有很多种，例如Graph Cut（图割）、聚类分割、变分发等等。

（一）图割（Graph Cut）

图割算法将分割问题看成对图像个像素进行二元（前景、背景）标号的组合优化问题。通过构造一个包含数据项和光滑项的能量函数，把图像映射成带权图G=（V,E）V代表结点，E为边），如图1所示，将标号问题的全局最优化求解转化为对应带权图的最大流/最小分割问题，题。标准的能量函数定义为：

图1

另外一种简单说法，图割也是将一个有向图分割成两个不相交的集合，可以用来解决很多计算机视觉上的问题。如立体深度重建、图像拼接和图像分割等问题。从图像像素和像素近邻创建一个图并引入一个能量或“代价”函数，在运用到图割方法时，可将图像分割成两个区域或者多个区域。基本思想是：相似且彼此相近的像素划分到同一区域。

图割C（C为图1中所有边的集合）的‘代价’函数定义为所有边的权重求和相加：

所以，图割图像分割的思想是用图表示图像，并对图进行划分使代价最小。在图表示时，会增加两个额外的点（源点和汇点），方便仅考虑将源点和汇点的分割。寻找最小割（即寻找最大流）方法进行分割，这个方法主要用到Python-graph工具包，所以需要安装graph。（graph包在后面分享链接里）

（二）图割实现

1.计算最大流

计算一幅较小的图最大流（最小割）简单的例子。首先创建4个结点的有向图，4个结点的索引分别为0...3，再用add_edge（）增添边并为每条边指定特定的权值。边的权重用来衡量边的最大容量，以0为源点，3为汇点，计算最大流。

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

gr = digraph()#有向图
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)
#最大流方法，flow最大流经过哪些边，cuts分割掉的边

flows,cuts = maximum_flow(gr, 0, 3)
print ('flow is:' , flows)
print ('cut is:' , cuts)

运行结果：

2.图像分割例子

# -*- 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 #背景
labels[-18:-3, -18:-3] = 1 #前景
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()

1.对取前景和背景像素相似的图像：