立体视觉，grah cut

最近在学习立体视觉的内容，具体就是利用双目摄像得到的左右图来计算目标的视差图。

论文1：An Experimental Comparison of:Min-Cut/Max-Flow Algorithms for
     Energy Minimization in Vision
论文2:Fast Approximate Energy Minimization via Graph Cuts

基于图割的算法，看了很多博客都说是性能比较好，但速度很慢的算法。我用opencv跑下来确实很慢。

我是这样理解这个算法的：

先人发明了含有两个terminal nodes（source,sink）的最大流/最小割算法，

上面这一个图像，对像素进行label，可以用来表示深度信息。（b）中黑框代表像素的不连续性。

后来有人发明了能量函数这个东西，并用最大流/最小割算法来优化这个能量函数。

其中，L是像素的label，等式右边是两个惩罚项，Dp是一个数据项，表示对一个像素p，给定观测数据，它的label跟它fit的多好；

最右边是叫平滑项，对相邻像素对的不连续性进行惩罚。

根据这个能量函数，对边的权重进行合理的设置，对图的最小割和能量函数的最小化有对应关系。最小割与最大流是等价关系，所以

就是求取图的最大流问题。

上图中A代表活动节点（active），P代表静止节点（passive），

这个最小割/最大流算法包括三步：

1）生长步骤：同时建立两颗树，S和T分别为根节点，S和T生长，直到找到一条S->T的路径

2）增广步骤：对上面找到的路径进行增广，具体去看论文1

3）采纳步骤：将两颗搜索树S和T保存