graph_cut_binary — SEGMENTATION graph op

• Data kinds: image2d → table

• Call: import fullseye as fs; fs.ledger.graph_cut_binary(image, *, lam: 'float' = 1.0, mu_bg: 'Optional[float]' = None, mu_fg: 'Optional[float]' = None, contrast_sigma: 'Optional[float]' = None, seeds=None, connectivity: 'int' = 4) -> 'Dict[str, object]' (implementation को सीधे call करना हो तो import seggraph; seggraph.graph_cut_binary(image, *, lam: 'float' = 1.0, mu_bg: 'Optional[float]' = None, mu_fg: 'Optional[float]' = None, contrast_sigma: 'Optional[float]' = None, seeds=None, connectivity: 'int' = 4) -> 'Dict[str, object]', registry से लेना हो तो opssegmentation.get("graph_cut_binary"))

• GPU: नहीं (केवल CPU reference implementation)

उपयोग

binary (2-मान) graph cut (Boykov–Jolly 2001): E = Σ_p D_p(x_p) + λ Σ w_pq [x_p ≠ x_q] को max-flow / min-cut से exact रूप से न्यूनतम करता है।

डेटा शर्तें हैं D_p(0) = (I_p - μ_bg)², D_p(1) = (I_p - μ_fg)² (यदि μ हटा दिया गया है, तो यह आइसोडेटा के दो समूहों का माध्य है)। बाजू का वजन है w_pq = exp(-(I_p − I_q)²/(2σ²)) / dist(p, q)(contrast_sigma = σ, 1/dist = पॉट्स को छोड़कर)। बीज लेबल2डी है 1 = पृष्ठभूमि प्रजातियाँ, 2 = वस्तु प्रजातियाँ। बाधा भार 1 + max_p Σ_q λ w_pq + max_p |D_p(0)-D_p(1)| है और यह मुक्त पिक्सेल के डेटा टर्म अंतर (ऊर्जा के रूप में नहीं गिना जाता) से भी अधिक है।

रिटर्न: मास्क(ऑब्जेक्ट = ट्रू), ऊर्जा = डेटा + स्मूथ, कट_वैल्यू / फ्लो_वैल्यू(मान वास्तविक संख्या में परिवर्तित = पूर्णांक मान / स्केल + स्थिर), cut_value_int / flow_value_int (अधिकतम प्रवाह = न्यूनतम कट गेट), क्वांटिज़ेशन_बाउंड (पूर्णांकीकरण द्वारा वास्तविक संख्याओं का परिमाणीकरण) न्यूनतम से अंतर पर ऊपरी सीमा, पूर्णांक इनपुट के लिए 0)।

उपयोग की विस्तृत guide

• halcon_segmentation family guide

पृष्ठभूमि guides (इस op के पीछे की physics और conventions)

• graph_hierarchy_and_thresholds — Graph, hierarchy और threshold theorems से segmentation — क्या exact है, और partition कहाँ टूटता है

संदर्भ (sample data, साहित्य)

• Sample data catalog (DL URL / license) — 2-D के लिए skimage.data (BSD/public) + synthetic, 3-D के लिए real data sources (Stanford/PDS आदि) के DL URL।

• Operators का स्रोत और संदर्भ — इस op family के मूल research/methods के स्रोत।

• Algorithm का मानक स्रोत (लेखक, वर्ष) और उपयोग ऊपर की family usage guide में दिए गए हैं।

चलाए जा सकने वाले उदाहरण (verified samples जो सच में यह op call करते हैं)

• poc_graph_hierarchy_segmentation — py -3.11 examples/poc_graph_hierarchy_segmentation.py

वे अगले ops जिनसे type जुड़ता है (table को input के रूप में लेते हैं)

class_ndim_norm · fisher_lda_score

इसी category के (graph)

alpha_expansion · statistical_region_merging · max_tree · area_opening_attr · quasi_flat_zones · alpha_tree · hierarchical_watershed · ultrametric_contour_map

*Provenance: seggraph.py — SEGMENTATION operator registry. यह per-op note tools/opdocs.py md से अपने-आप generate होता है (हाथ से edit न करें)।*

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.