将图像中所有像素 p 的邻域边权值算出并求和,结果有像素个结果。选取最大结果再加1作为 K。而最大和在这里可粗略认为是聚类中的中心点,因为像素 p 在此处邻域和最大,可认为 p 点在此处与周围相邻像素及其相似,从而确保权值 K 为最大权值)。
{p,q} 边表示相邻像素之间产生的边,边的权值为 B{p,q},在上文中已经提到,当像素 p 和 q 相似时,产生的边的权值很大,反之产生的边的权值很小。当 p,q 为两个相似像素时,边的权值很大,为了使得到的能量函数最小,因此该边不适合作为割边,因此符合逻辑。
{p,T} 边和 {p,S} 边分为三种情况: p \in \mathcal{P}, p \notin \mathcal{O} \cup \mathcal{B} ,需要注意的是这里的 O (前景)和 B (背景)都是种子点,可认为是交互式方法划定的像素点,这类像素点需要软约束决定像素的归属。因此,边的权值应由软约束公式给出 λ · R_p (bkg),注意这里求边 {p,S} 边的权值 p ∈ O,即 p 是 O 集合中的点,是交互式方法给定的前景像素点,这里我们可认为这个点就是前景的点,本文将前景种子点 p 与 S 的边的权值设为 K。即前景点与前景相连的边的权值为 K,K 在这里是一个比1大的数。 p ∈ B,即 p 是 B 集合中的点,是交互式方法给定的背景像素点,这里我们可以认为这个点就是背景点,本文将背景种子点与前景 S 的边的权值设为0,可认为这个边权值是最小的,是可以作为割边的,事实上,这个边也是必定需要被割开的。