图像分割

     图像分割是将一幅图像分割成有意义区域的过程。该区域可以是图像的前景与背景或图像中的一些单独的对象。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，图割（Graph Cut）

    图割，即将一个有向图分割成两个互不相交的集合。

    图割基本思想是，相似且彼此相近的像素应该划分到同一区域。

    图像分割思想是用图来表示图像，并对图进行划分以使代价Ecut最小。在用图表示图像时，增加两个额外的节点，即源点和汇点，并仅考虑那些将源点和汇点分开的割。寻找最小割等同于在源点和汇点寻找最大流。

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)

二，从图像创建图

利用贝叶斯概率模型进行图像分割

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

图1

 

 

图2

    

图3

 图1，为原图 

 图2，为用于模型训练的标记图像

  图3，分割的结果