图像分割——python

      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。这些区域可以利用一些诸如颜色，边界或近邻相似性等特征进行构建。

一、用python-graph工具包创建一个简单有向图

首先创建有4个节点的有向图，4个节点的索引分为0,1,2,3，如下图所示：

然后用add_edge()增添边并为每一条边指定特定的权重。边的权重用来衡量边的最大流容量。

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)

以节点0位源点，3位汇点，计算最大流。打印出流和分割结果。打印结果如下：

0是包含源点的部分，1是与汇点相连的节点。

二、从图像创建图

      给定一个领域结构，我们可以利用图像像素作为节点定义一个图。这里我们讨论最简单的像素四领域和两个图像区域（前景和背景）情况。一个四领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。

处理像素节点外，我们还需要两个特定的节点——“源”点和“汇”点，来分别代表图像的前景和背景。

下面给出创建这样一个图的步骤：

1、每个像素节点都有一个从源点的传入边

2、每个像素点都有一个汇点的传出边

3、每个像素节点都有一条传入边和传出边连接到它的近邻

为确定变的权重，需要一个能够确定这些像素点之间，像素点与源点，汇点之间边的权重（表示那条边的最大流）的分割模型。

# -*- 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!!")

# 添加两个矩阵训练区域
labels = zeros(size)
labels[3:18, 3:18] = -1 
labels[-18:-3, -18:-3] = 1 
print ("OK!!")


# 创建图
g = graphcut.build_bayes_graph(im, labels, kappa=1)

# 对图进行分割
res = graphcut.cut_graph(g, size)
print ("OK!!")


figure()
graphcut.show_labeling(im, labels)

figure()
imshow(res)
gray()
axis('off')

show()

读取一幅图像，从图像的两个矩阵区域估计出类概率，然后创建一个图。我们利用imresize()函数使图像小到合适我们的python graph库，在该例中将图像统一缩放到原图像尺寸的7%。图像分割后将结果和训练区域一起画出来。

结果如下：