基于图割算法与高斯混合模型的彩色图像分割系统

资 源 简 介

本系统实现了一种基于图论最小割（Graph Cut）理论的图像分割方案，旨在根据颜色信息将彩色图像精确地划分为前景目标和背景两个类别。 系统首先通过用户交互（如矩形框选择或种子点标记）或自动采样来提取前景和背景的颜色统计特性，并利用高斯混合模型（GMM）对两者的颜色概率分布进行建模。 在实现过程中，算法将图像中的每个像素抽象为图中的一个节点，并在相邻像素之间建立边（n-links），同时引入两个特殊终端节点：源点（Source）和汇点（Sink），分别代表前景和背景。 像素节点与终端节点之间的连接权重（t

详 情 说 明

基于图割算法的彩色图像二值分割系统

项目介绍

本系统是一款基于图论最小割（Graph Cut）理论的彩色图像交互式分割工具。系统融合了高斯混合模型（GMM）的统计建模能力与最大流最小割算法的全局优化特性，能够根据用户指定的感兴趣区域（ROI），在复杂的背景中精确提取前景目标。该方案不仅考虑了像素自身的颜色特征，还兼顾了空间邻域的连贯性，有效解决了传统分割算法在处理模糊边界和复杂纹理时的局限性。

功能特性

• 交互式区域选择：支持用户通过鼠标拖动矩形框来定义前景的大致范围，实现半自动化的目标定位。
• 多聚类颜色建模：利用K-means聚类初始化前景与背景的颜色分布，并针对每个聚类构建高斯分量，从而捕捉复杂的色彩特性。
• 空间连贯性优化：通过像素间的8邻域连接（N-Links），引入对比度敏感的平滑权重，使分割边缘能够较好地贴合图像的实际轮廓。
• 全局最优求解：将图像分割问题转化为图论中的ST-Cut问题，通过高效的最大流算法寻找能量函数全局最小值，确保结果的稳定性。
• 多维度结果可视化：系统实时生成二值掩码、提取出的前景目标、背景能量代价映射图以及叠加了红色分割边界的原始图像。

系统实现逻辑

1. 预处理阶段：

系统首先加载彩色图像，并根据设定（300像素长边）对图像进行等比例缩放。这一步骤旨在不损失关键特征的前提下，显著降低图节点的规模，提升后续最大流算法的计算效率。

1. 采样与统计建模：

用户在界面上选择矩形框后，系统将矩形框外的区域判定为“确定背景”，框内区域判定为“可能前景”。系统对这两个区域的像素颜色（RGB三通道）分别进行K-means聚类（默认3个聚类），并计算各聚类的均值、协方差矩阵及权重。通过这些参数，构建出能够描述背景和前景颜色概率分布的统计模型。

1. 能量函数构建：

系统建立一个包含区域项（T-links）和平滑项（N-links）的能量模型： * 区域项（T-links）：计算每个像素属于前景和背景的负对数似然概率。对于矩形框外的像素，通过赋予极高能量代价强制其划分为背景。 * 平滑项（N-links）：在8邻域结构下计算相邻像素间的颜色欧氏距离。系统动态计算全图的颜色差异期望值（Beta因子），并利用指数衰减函数将颜色相似度转化为连接权重，以此鼓励算法在颜色差异剧烈的地方（即边缘）进行切割。

1. 图割求解与映射：

系统构建一个有向图，其中包含所有像素节点以及两个特殊终端节点：源点（S）和汇点（T）。调用MATLAB内置的高效最大流函数求解最小割。求解完成后，根据节点所属的集合（Cs或Ct）生成二值分割掩码。

1. 后处理与展示：

生成的低分辨率掩码通过最近邻插值还原至原始图像尺寸，并应用位运算提取前景目标。最后，通过Canny算子提取掩码边界并叠加到原图中进行红色标记展示。

关键算法与技术细节

• 高斯概率分布：系统对RGB颜色空间进行建模，利用多变量高斯概率密度函数计算像素与模型的匹配度。为了防止协方差矩阵奇异，在对角线上加入了正则化项。
• 对比度权重机制：平滑项的权重不仅受空间距离影响，更受颜色梯度影响。当相邻像素颜色接近时，连接边权重高，算法倾向于不在此处切割；反之则容易切割。
• 能量平衡系数（Lambda）：算法引入了平衡系数（默认50），用于协调区域项和平滑项的权重，确保分割结果在遵循颜色分布的同时具有良好的视觉平滑性。
• ST-图构建技巧：利用Digraph结构将像素与源/汇点的连接关系参数化，通过对称连接（加倍反向边）处理无向图的最小割问题。

使用方法

1. 运行程序，在弹出的文件操作窗口中选择一张本地彩色图像（支持jpg、png、bmp格式）。
2. 在弹出的交互界面中，按住鼠标左键并拖动，在想要提取的目标物体周围画出一个红色的矩形框。
3. 松开鼠标后，系统将自动进行颜色建模、图构建、能量求解及后处理。
4. 算法运行完成后，系统会弹出多窗口视图，展示原始图、ROI、能量代价图、分割掩码、提取出的前景对象以及边界叠加图。
5. 在控制台可查看处理的总像素数、最小能量总和及前景占比等量化数据。

系统要求

• 软件环境：MATLAB R2017b 或更高版本。
• 工具箱需求：需要安装 Image Processing Toolbox（用于图像显示、尺寸变换、边缘检测等）。
• 性能说明：本系统经过优化，可在普通办公室内置硬件上快速运行，对于300x300左右规模的图像，求解过程通常在秒级完成。