alpha_expansion — SEGMENTATION `graph` op

• データ種: image2d → table

• 呼び出し: import fullseye as fs; fs.ledger.alpha_expansion(image, means: 'Optional[Sequence[float]]' = None, *, lam: 'float' = 1.0, pairwise: 'str' = 'potts', truncation: 'float' = 2.0, connectivity: 'int' = 4, max_cycles: 'int' = 10, init=None) -> 'Dict[str, object]' (実装を直接呼ぶなら import seggraph; seggraph.alpha_expansion(image, means: 'Optional[Sequence[float]]' = None, *, lam: 'float' = 1.0, pairwise: 'str' = 'potts', truncation: 'float' = 2.0, connectivity: 'int' = 4, max_cycles: 'int' = 10, init=None) -> 'Dict[str, object]'、台帳から引くなら opssegmentation.get("alpha_expansion"))

使い方

多ラベルの α-expansion(Boykov–Veksler–Zabih 2001): E(f) = Σ (I_p − μ_(f_p))² + λ Σ w_pq V(f_p, f_q)、V は計量。

`means = 各ラベルの平均 μ_1..μ_L(L ≥ 2。省くと画素の値の 1/6・1/2・5/6 分位の 3 ラベル)。V は "potts"([α ≠ β]、c = 1)か "truncated_linear"`

(min(|α − β|, T)、T ≥ 1 なら計量、c = min(L − 1, T))。1 周 = α = 1..L の expansion を順に。各移動は 2 値の graph cut で

厳密に解き、エネルギーが厳密に下がる時だけ 受け入れる。1 周で 1 度も受け入れなければ止まる(論文と同じ)。

返す: `labels(1..L)、energy、energies(受け入れの列、単調減少)、move_minima`(各移動の 2 値問題の最小、

今の値以下 = 門)、`c、bound_factor` = 2c(Theorem 6.1: E(f̂) ≤ 2c E(f*))。

詳しい使い方ガイド

• halcon_segmentation ファミリガイド

背景知識ガイド(この op の手前にある物理・規約)

• graph_hierarchy_and_thresholds — グラフ・階層・閾値の定理でつくる分割 — 何が厳密で、どこで割れ方が倒れるか

参考(サンプルデータ・文献)

• サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• poc_graph_hierarchy_segmentation — py -3.11 examples/poc_graph_hierarchy_segmentation.py

型が繋がる次の op(`table` を入力に取れる)

class_ndim_norm

同カテゴリ(`graph`)

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

*Provenance: seggraph.py — SEGMENTATION operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

alpha_expansion — SEGMENTATION graph op

使い方