1.完整项目描述和程序获取
>面包多安全交易平台:https://mbd.pub/o/bread/ZJaVlpdq
>如果链接失效，可以直接打开本站店铺搜索相关店铺：
>如果链接失效，程序调试报错或者项目合作也可以加微信或者QQ联系。
2.部分仿真图预览
3.算法概述
Graph cuts是一种十分有用和流行的能量优化算法，在图像处理领域普遍应用于前后背景分割（Image segmentation）、立体视觉（stereo vision）、抠图（Image matting）等，目前在医学图像领域应用较多。
Graph Cut（图形切割）应用于计算机视觉领域用来有效的解决各种低级计算机视觉问题，例如图像平滑（image smoothing）、立体应对问题（stereo correspondence problem）、图像分割（image segmentation）。
GraphCut利用最小割最大流算法进行图像的分割，可以将图像分割为前景和背景。使用该算法时需要在前景和背景处各画几笔作为输入，算法将建立各个像素点与前景背景相似度的赋权图，并通过求解最小切割区分前景和背景。
4.部分源码
clc;
clear;
close all;
warning off;
addpath(genpath(pwd));
imName = '模糊样本\1.bmp';
I = imread(imName);
I = im2double(imresize(I,500/max(size(I,1),size(I,2))));I(I>1)=1;I(I<0)=0;
LL= 1.1;
[T, A, Cache] = Lee_EnergyMinimization_Dehazing(I,LL);
figure;
subplot(121)
imshow(I);
title('原始图像');
subplot(122)
imshow(T);
title('提取深度信息');
imName = '模糊样本\2.bmp';
I = imread(imName);
I = im2double(imresize(I,500/max(size(I,1),size(I,2))));I(I>1)=1;I(I<0)=0;
[T, A, Cache] = Lee_EnergyMinimization_Dehazing(I,LL);
figure;
subplot(121)
imshow(I);
title('原始图像');
subplot(122)
imshow(T);
title('提取深度信息');
A465
