图像分割

创建简单的有向图

代码:

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

gr = digraph()
gr.add_nodes([0,1,2,3])#节点的数量
gr.add_edge((0,1), wt=4)#wt是权重，节点0指向节点1的边的权重是4，以下同理。
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)#最大流经过哪些边
print ('cut is:' , cuts)#切掉了哪些

gr.add_edge((0,1), wt=4)#wt是权重，节点0指向节点1的边的权重是4，其他同理。

运行结果:
flow is: {(0, 1): 4, (0, 2): 3, (1, 2): 0, (1, 3): 4, (2, 3): 3}
cut is: {0: 0, 1: 1, 2: 1, 3: 1}

flow表示最大流流经了哪些边，cut表示切掉了哪些边

分割图像的前景和背景

代码

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()

事先划分好背景区域与前景区域，划分好之后不能够改变。输入待分割的图像，显示训练的区域，最后会显示最终的分割结果，就是将前景和背景分割开来。

g = graphcut.build_bayes_graph(im, labels, kappa=1)在这个贝叶斯函数中，1标记前景训练数据，-1标记背景训练数据，其他用0标记。基于这种标记，在RGB值上可以训练出一个分类器，然后计算每一像素的分类概率，这些计算出的分类概率便是从源点出来到汇点去的边的权重，由此可以创建一个m*n+2的图。

左上角区域划定为背景，右下角区域划定为前景

分割的结果。