文档介绍：. . -.
. 文档.
Efficient graph-based image segmentation

G=(V,E)，每个节点对应图像中一个像素点，E是连接相邻节点的边，每个边有对应有一个权重，这个权重与像素点的特性相关。
最后，我们将提出一类基于图的查找最小割的分割方法。这个最小割准那么是最小化那些被分开像素之间的相似度。【18】原文中叫ponent,实质上是一个MST,单独的一个像素点也可以看成一个区域。
预备知识：
图是由顶点集〔vertices〕和边集〔edges〕组成，表示为，顶点，在本文中即为单个的像素点，连接一对顶点的边具有权重，本文中的意义为顶点之间的不相似度，所用的是无向图。
树：特殊的图，图中任意两个顶点，都有路径相连接，但是没有回路。如上图中加粗的边所连接而成的图。如果看成一团乱连的珠子，只保存树中的珠子和连线，那么随便选个珠子，都能把这棵树中所有的珠子都提起来。如果，i和h这条边也保存下来，那么h,I,c,f,g就构成了一个回路。
最小生成树〔MST, minimum spanning tree〕：特殊的树，给定需要连接的顶点，选择边权之和最小的树。上图即是一棵MST。
本文中，初始化时每一个像素点都是一个顶点，然后逐渐合并得到一个区域，确切地说是连接这个区域中的像素点的一个MST。如图，棕色圆圈为顶点，线段为边，合并棕色顶点所生成的MST，对应的就是一个分割区域。分割后的结果其实就是森林。
边的权值：
对于孤立的两个像素点，所不同的是颜色，自然就用颜色的距离来衡量两点的相似性，本文中是使用RGB的距离，即
. . -.
. 文档.
3 图割
我们定义D，衡量分割区域之间是否有明显边界。D是通过测量沿着两个区域边界元素的不相似度比照测量两个区域部各自部元素之间不相似度。
我们用C表示一个局部的在差异，是该区域最小生成树上的最大权值。
我们定义两个区域间的不同是两个区域连接边的最小权值，
如果C1，C2之间不想连，那么Dif(C1,C2)=无穷大，
使用下面的阈值函数来控制两个区域之间的差异性必须大于最小在差异，我们定义如下函数：
其中MInt是：
阈值函数控制着两个区域之间的差异性必须大于他们在差异性，以便它们之间有明显的边界〔D为true〕。对于小的区域，Int(C)是对局部数据的特性的一个好的估计。在一些极端情况下，如果|C|=1，Int(C)=0。因此我们的阈值函数为
这里的|C|是C的大