画像分割は、プロセスの中に、画像の重要な領域です。前景画像領域は、単一のオブジェクトまたは背景であってもよいです。これらの領域は、色、エッジ、等近隣類似度として、特徴を使用して構築することができます。
コードA
以下は簡単な例をカットPythonのグラフキット最大流量/最小値の計算と小さい方提示します。
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)流れの結果を印刷し、切り取っ：
Pythonの辞書を介して上記二つの流れは、各ノードおよび各エッジのためにフラグが含まれています。図0の一部を含むソース・ポイントであり、シンクノード1に接続されています
コード2
次の例では、画像の二推定確率マトリクス型領域から画像を読み取り、次にグラフを作成します。
# -*- 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()画像領域のトレーニング及びカバレッジエリアのための以下の結果と画像分割の結果を表示
