【课程笔记】谭平计算机视觉（Computer Vision）[7]：交互式分割图形切割 - Interactive Segmentation Graph-Cut

课程链接（7）：

Semi-automated Segmentation

• 从图片中切割某个区域
  – 相近的颜色
  – 与背景颜色差异大

图片网格化

主要方法是用网格来表示图片
把image当做graph来对待
把分割看为二分类问题——前景和背景问题

• 定义label来进行cost最优化
  
  寻找一个赋值，使得cost最小，即为最优分割，这就是求解目标

Max Flow & Min cut

将图片分割转换为Max Flow问题

Likelihood/Cost of FG and BG

• 在空间中拟合多个高斯分布，分别代表FG和BG

加速方法

• super pixel

总结

• 用户粗略划出前景和背景
• 算法根据用户，分割出更精确的边界

如果不是二分类

• 转化为binary问题

论文参考

• An Experimental Comparision of Min-Cut/Max-Flow Algorithms for Energy Minimization in Vision, PAMI 2004
  – 提高了计算效率，在计算机视觉中应用较多
• What Energy Functions Can be minimized via Graph Cuts? PAMI, 2004
  –