图像分割（Graph Cut）
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。区域可以是图像的前景与背景或者单个对象。这些区域可以利用诸如颜色，边线或近邻相似性等特征构建。
具体可参考：https://blog.csdn.net/huixingshao/article/details/42642973/
在前面的博文全景拼接中也介绍过图割方法，这里做一个简单实验。 - 最大流/最小割的简单例子
这里用到pygraph这个包，可以去网上自行下载，将其解压放在python文件中site-package中就可以。
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)
结果显示
4. 从图像中创建图
利用imrize()函数使图像小到适合我们的python grap库，这里将其缩放到原图像尺寸的7%。图分割后将结果和训练区域一起画出来。
# -*- 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()
原图empire.jpg
结果显示
可以看到前景后景大概地被分割出来，但是上述代码的运行相对花时间，足足跑了15分钟以上，速度偏慢。
代码中有一个k值的设定，他决定了近邻像素间变的相对权重，可以根据自己应用的需要及想获得的结果类型来选择合适的k值，k值越大，分割边界越平滑。以下为k=2的分割结果：
因为设定的k值相差不大，所以结果也差别不大，可以尝试再大一些的值，以下为k=5的结果：
可以看到边界明显模糊化。
k=10的结果：
因为k值较大，这个分割效果就不好了，前景后景没有区分出来，在这个例子中k值不宜过大。