CAD插件HANS CUT CAM中文1.2版 最高支持到CAD2006

Graph-Cut算法是图像及视频中经典且有效的前景和背景分离算法,针对其计算量较大导致实时性不佳、前景和背景颜色相似时分割结果易出现shrinking bias现象的问题,提出一种改进算法.该算法利用Mean-Shift技术对图像进行预处理,将原图像表示成基于区域的、而不是基于像素的图结构,预处理结果还可应用于后续的前景和背景颜色分布估计过程,使得计算量大大下降;在能量函数中引入了具有自适应权值调节功能的连通性约束项,有效地改善了shrinking bias现象,提高了分割结果的精确性.实验结果表明,文中算法具有良好的实时交互性,且分割效果更加稳定和精确.

由于目前大多数交互式Graph-Cut分割算法很难达到精确分割且实时交互的效果.对此,提出一种基于局部颜色模型的改进算法.该算法利用Mean-Shift预分割,建立基于局部颜色模型的交互式分割框架,并将像素级的Graph-Cut算法转化为基于区域的算法进行快速求解.预分割之后的区域保持了原有图像的结构,不仅提高了采用局部颜色模型估计分布的准确性,而且基于区域Graph-Cut的算法明显降低了计算的复杂度.实验结果表明,改进后的算法不仅保证了分割的精确性,而且还达到了实时交互.

win 截屏工具

转载于 http://blog.csdn.net/lvguoshan/article/details/48627031 这位大佬写的博客，我把源码扣下来后，加了个DEMO。可以运行使用，.net4.5

图像分割程序matlab版，内含graph cut grabcut lazy snap3种算法

用Normalized Cut聚类方法实现 图像分割，据说效果不错，给大家做个参考

说明： http://blog.csdn.net/wangyaninglm/article/details/50074613 One cut in grabcut（grabcut算法的非迭代实现？） 本文针对交互式图像分割中的图割算法，主要想翻译一篇英文文献。不足之处请大家指正。 这是博主近期看到的效果最好，实现最简单，运算时间最短的交互式图割算法，而且由于是发明图割算法实验室原班人马的文章和代码，所以非常值得研究。

基于Opencv，使用python语言，以图割算法实现的图像分割。

立体匹配是深度估计的基础。而bp算法和graph cut算法是比较成功的解决立体匹配（全局）的算法，这里有几种经典的基准源代码，以及代码使用方法及部分注释。一些小的改变甚至于可以不需要知道算法步骤即可实现。