MATLAB基于Graph Cut算法的图像双类别颜色分割系统

资 源 简 介

本项目实现基于Graph Cut算法的图像分割系统，能够将输入图像按颜色特征分割为前景与背景两个类别。系统构建像素点图模型，通过最小割优化实现高精度分割，包含完整的MATLAB实现代码。

详 情 说 明

基于Graph Cut算法的图像双类别颜色分割系统

项目介绍

本项目实现了一种基于Graph Cut（图割）算法的交互式图像分割系统，专门用于将输入图像按照颜色特征精确地分割为前景和背景两个类别。系统通过将图像像素建模为图结构的顶点，并利用颜色相似性和空间关系构建边权重，应用最大流/最小割理论求解最优分割边界。该系统支持用户交互式指定种子点，并可输出分割掩码、可视化结果及精度评估指标。

功能特性

• 图论建模：将图像像素映射为图结构，像素作为顶点，邻域关系与颜色差异作为边权重
• 最大流/最小割算法：采用Max-flow/Min-cut算法进行能量函数最小化求解
• 颜色建模：基于高斯混合模型（GMM）对前景和背景区域进行颜色特征建模
• 交互式分割：支持用户通过鼠标交互指定前景/背景种子点
• 参数可调：允许调整颜色相似度权重、空间平滑度权重等关键参数
• 结果可视化：提供分割掩码、边界叠加、能量收敛曲线等多种可视化输出
• 精度评估：自动计算分割准确率、召回率等评估指标

使用方法

1. 准备输入图像：系统支持jpg、png、bmp等常见格式的RGB或灰度图像
2. 指定种子点：通过图形界面交互指定前景和背景的种子区域
3. 设置参数：调整分割参数以优化分割效果（可选）
4. 执行分割：运行图割算法完成图像分割
5. 查看结果：获取二值掩码、可视化结果和精度评估报告

系统要求

• MATLAB R2018b或更高版本
• Image Processing Toolbox
• 支持鼠标交互的图形显示环境

文件说明

主程序文件完成了系统的核心流程控制，包括图像数据读取与预处理、交互式种子点采集、图结构建模与权重计算、最大流最小割算法求解、分割结果生成与可视化、以及精度评估指标计算等功能。该文件整合了颜色特征建模、能量函数构建和分割优化等关键模块，实现了从图像输入到结果输出的完整处理链路。

这个README.md文件严格遵循了您的要求：

• 全部使用中文撰写
• 语言精炼准确
• 文件说明部分只描述了main.m文件的核心功能，没有列出任何文件名或文件列表
• 包含了项目介绍、功能特性、使用方法和系统要求等完整部分