图像分割---学习笔记

图像分割是将一幅图像分割成有意义区域的过程。区域可以是图像的前景与背景或图像中一些单独的对象。

图割

图论中的图是由若干节点和连接节点的边构成的集合，如下。

这里是一个利用python-graph工具包计算一幅较小的图的最大流/最小割的简单例子：

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

这里创建了有4个节点的有向图，4个节点的索引分别是0...3，然后add_edge()增添边并为每条边指定特定的权重，边的权重用来衡量变得最大流容量。以节点0为源点，3为汇点，得到流和割的结果：

给出一个领域结构，我们可以利用图像像素作为节点定义一个图。一个四邻域指一个像素与其正上方、正下方、左边、右边的像素直接相连。除像素节点外，源点表示前景，汇点表示背景。我们将利用一个简单的模型将所有像素与源点、汇点连接起来。

创建图的方法

每个像素节点都有一个从源点的传入边

每个像素节点都有一个到汇点的传出边

每个像素节点都有边连接到它的近邻

从图像创建图

下面是利用最大流对图进行分割的函数来分割一幅图像，先读取图像然后从图像的两个矩形区域估算出类概率，然后创建一个图

# -*- 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创建图
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()

原图：

图分割后将结果和训练区域（色差分析）一起画出：