先に写真を載せておきますが、これはあまり効果はありませんが、研究に研究を重ねて描いたものです。
以下は、元の画像を HSV および RGB チャネルに変換し、それぞれの単一チャネルでグラフ カットを実行する方法を示しています。
1.Graph Cuts は、グラフの形式を使用してエネルギー関数を解決する画像セグメンテーションの手法です。エネルギー関数を決定するには、対応する重みをグラフの端に割り当てることができるため、エネルギー関数を完全に S/T グラフに変換でき、グラフの最大流量/最小カットを次の方法で解決できます。グラフのプロパティを使用して、全体的な最適値、全体的なエネルギーの最小値を見つけます。
2.グラフカットは、NCut、ミニマムカット、RatioCut、グラフカットなど、グラフ（グラフ理論）に基づくさまざまなセグメンテーションアルゴリズムです。グラフカットは、MRFに基づいてエネルギー方程式を解くために使用される手法です。 。
短所:
第 2 クラス セグメンテーションの結果は、大域的なエネルギー関数が最小となり、大域的な最適解となり、多クラスの問題は最適化できず、局所的な最適解にしかなりえません。次のような画像処理には利点があります
。ピクセル値の明らかな違い、高コントラストの画像、
処理画像にノイズやオクルージョンが含まれており、セグメンテーションの効果が低く、間違ったセグメンテーションをしやすいため、ユーザーはいくつかの
前景と前景のピクセルを手動でマークする必要があり、手動の介入;
最初のマークと前景ピクセルの差により、最終的なセグメンテーション効果の程度が異なります。グラフカット アルゴリズム ユーザー インタラクションに非常に敏感; 画像に
複雑な背景が含まれている場合、ペン/ブラシを使用してより多くのユーザー インタラクションが必要になります。より多くの背景と前景のピクセルをマークします。
コードのダウンロード: GitHub - DamonZCR/GraphCut: 最大フロー最小カットを使用した画像セグメンテーション
