M. B. Salah参数核图割算法的Matlab代码，个人感觉是效果很好的图像分割方法。 参考文献 [1] M. B. Salah, A. Mitiche and I. B. Ayed. Multiregion Image Segmentation by Parametric Kernel Graph Cuts[J]. IEEE Transactions on Image Processing, 2011, 20(2): 545-557.

为了提高有雾视频的可用性，针对视频增强的需求，基于图像去雾的物理模型，利用视频相邻帧间的信息冗余性，提出了基于光流法的视频去雾方法；对视频中亮度变化以及光流法误差引起的去雾对象边界不平滑的问题，通过引入时间域和空间域能量函数，对待处理视频进行时空一致性约束。实验证明：对于定点拍摄的视频数据，使用时空一致性优化的视频去雾算法能够增加帧间稳定性，获得较为理想的去雾结果。

这是一个用C++写的graph cut代码，对分割图像有很好的效果。希望有帮助

Yuri Boykov, Vladimir Kolmogorov的代码

in-painting, graph-cut, bilateral filtering on images，有注释，测试用例，函数

impGraphcut 交互式分割算法的 AC/C++ 实现，来自原始论文的 Graph-cut： Boykov 等人，用于 ND 图像中对象的最佳边界和区域分割的交互式图形切割，ICCV 2001。 使用 OpenCV 库。 使用最大流量优化。 提出使用多个特征融合的改进方案。

最大最小流分割算法，利用最大最小的能量划分，进行图像分割，此代码为C++，以类的形式编写

图切RANSAC 论文中提出的图切RANSAC算法：Daniel Barath和Jiri Matas； Graph-Cut RANSAC，计算机视觉和模式识别会议，2018年。可从以下获得： CVPR教程解释了该方法。 有关单应性，基本矩阵，基本矩阵和6D姿态估计的实验，显示在2020年的RANSAC教程的相应中。 安装C ++ 要构建和安装仅C ++的GraphCutRANSAC ，请克隆或下载此存储库，然后通过CMAKE生成项目。 $ git clone https://github.com/danini/graph-cut-ransac $ cd build $ cmake .. $ make 安装Python包并编译C ++ python3 ./setup.py install 或者 pip3 install -e . 示例项目 要构建显示基本矩阵，单应性和基本矩阵

graph cut的GPU实现. CVPR08文章的代码 data 文件夹中的输入图片为txt格式

Leo Grady梯队文献的matlab代码：包括基于图割模型谱聚类(等周割[3]、标准割)的点集聚类和图像分割，对图像建立的是一定邻域半径的连通图模型，对图像大小有限制，不能太大。 REREFENCES: [1] Leo Grady and Eric L. Schwartz. The graph analysis toolbox: Image processing on arbitrary graphs. Technical Report Pending, Boston University, Boston, MA, August 2003. [2] Leo Grady. Space-Variant Computer Vision: A Graph-Theoretic Approach. PhD thesis, Boston University, Boston, MA, August 2003. [3] L. Grady and E. L. Schwartz. Isoperimetric graph partitioning for image segmentation[J]. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2006, 28(3): 469-475.