图像分割---学习笔记

我不是女神ヾ 2022-05-01 12:26 247阅读 0赞

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。

# 图割 #

图论中的图是由若干节点和连接节点的边构成的集合，如下。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mzc0NjQz_size_16_color_FFFFFF_t_70][]

这里是一个利用python-graph工具包计算一幅较小的图的最大流/最小割的简单例子：

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

这里创建了有4个节点的有向图，4个节点的索引分别是0...3，然后add\_edge()增添边并为每条边指定特定的权重，边的权重用来衡量变得最大流容量。以节点0为源点，3为汇点，得到流和割的结果：

![20190611144611825.png][]

给出一个领域结构，我们可以利用图像像素作为节点定义一个图。一个四邻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。除像素节点外，源点表示前景，汇点表示背景。我们将利用一个简单的模型将所有像素与源点、汇点连接起来。

**创建图的方法**

> 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
> 
> 每个像素节点都有边连接到它的近邻

# 从图像创建图 #

下面是利用最大流对图进行分割的函数来分割一幅图像，先读取图像然后从图像的两个矩形区域估算出类概率，然后创建一个图

# -*- 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    # 背景
    labels[-18:-3, -18:-3] = 1     # 前景
    print "OK!!"
    
    
    # create graph创建图
    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：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mzc0NjQz_size_16_color_FFFFFF_t_70 1][]

图分割后将结果和训练区域（色差分析）一起画出：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mzc0NjQz_size_16_color_FFFFFF_t_70 2][]       ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mzc0NjQz_size_16_color_FFFFFF_t_70 3][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mzc0NjQz_size_16_color_FFFFFF_t_70]: /images/20220119/a437738a200641aeb81194e4d0a5ea32.png
[20190611144611825.png]: /images/20220119/ec4f8f6bfa334ac993001a2ee50e3168.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mzc0NjQz_size_16_color_FFFFFF_t_70 1]: /images/20220119/d736a7db91b9489faecbf21f8b8a40dd.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mzc0NjQz_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20190611145705364.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mzc0NjQz,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mzc0NjQz_size_16_color_FFFFFF_t_70 3]: /images/20220119/f8b6e4a7ed4647b0a30d45fc33a2383e.png