基本的图像分割（Graph Cut）
1. 一个较小图的最大流/最小割的简单例子
首先，创建一个有4个节点的有向图，4个节点的索引分别为0,1,2,3，然后用add_edge()增添边并为每条边指定特定的权重。边的权重用来衡量边的最大流容量。
以节点0为源点，节点3为汇点，计算最大流。
下面给出代码：
from pygraph.classes.digraph import digraph
from pygraph.algorithms.minmax import maximum_flow
gr = digraph() #创建一个空的有向图
gr.add_nodes([0,1,2,3]) #添加节点
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)
打印出流和割的结果：
2.从图像创建图
给定一个邻域结构，可利用图像像素作为节点定义一个图。
这里讨论最简单的像素四邻域和两个图像区域（前景和背景）情况。一个四邻域(4-neighborhood)指一个像素与其正上方、正下方、左边、右边的像素直接相连。
除了像素节点外，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。然后利用一个简单的模型将所有像素与源点、汇点连接起来。
下面给出创建这样一个图的步骤：
- 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；
- 每个像素节点都有一条传入边和传出边连接到它的近邻。
下面给出具体代码：
# -*- 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()
运行结果：
左图覆盖区域为训练区域，中间为原始图像，右图为最终的分割结果。