图像处理算法2——Otsu最佳阈值分割法http://blog.csdn.net/xiaqunfeng123/article/details/17121195
浏览数：19 /
时间：2015年06月08日
http://blog.csdn.net/xiaqunfeng123/article/details/17121195Otsu法是1979年由日本大津提出的。该方法在类间方差最大的情况下是最佳的，即统计鉴别分析中所用的度量。Otsu方法有一个重要的特性，就是它完全以在一幅图像的直方图上执行计算为基础，而直方图是很容易得到的一维阵列。
具体的公式推理及公式细节就不说了，详见 Conzalez 那本书，我是第三版的，在P.479——P.482 上面。
给出具体步骤如下：
1、计算输入图像的直方图，并归一化。
2、计算累积均值mu，以及全局灰度均值。
3、计算被分到类1的概率q1，和被分到类2的概率q2。
4、用公式计算类间方差，sigma = q1*q2*(mu1 - mu2)*(mu1 - mu2)
5、循环寻找类间方差最大值，并记下此时的阈值，即为最佳阈值。
6、利用最佳阈值进行图像阈值化。
关于otsu部分的程序代码如下：
- double getThreshVal_Otsu_8u( const Mat& _src )
- {
- Size size = _src.size();
- const int N = 256;
- int i, j, h[N] = {0};
- unsigned char* src;
- //直方图统计
- for( i = 0; i < size.height; i++ )
- {
- src = _src.data + _src.step*i;
- j = 0;
- for(j = 0; j < size.width; j++ )
- h[src[j]]++;
- }
- //像素平均值
- double mu = 0, scale = 1./(size.width*size.height);
- for( i = 0; i < N; i++ )
- {
- mu += i*(double)h[i];//累加均值
- }
- mu *= scale;//平均
- double mu1 = 0, q1 = 0;//q1 ,q2 为类1和类2的概率累积和，mu1=mg*q1
- double p_i, q2, mu2, sigma;
- double max_sigma = 0, max_val = 0;
- //循环求取最大阈值
- for( i = 0; i < N; i++ )
- {
- p_i = h[i]*scale;//直方图归一化
- mu1 *= q1;
- q1 += p_i;
- q2 = 1. - q1;
- mu1 = (mu1 + i*p_i)/q1;
- mu2 = (mu - q1*mu1)/q2;
- sigma = q1*q2*(mu1 - mu2)*(mu1 - mu2);//类间方差
- if( sigma > max_sigma )
- {
- max_sigma = sigma;
- max_val = i;//记下使类间方差最大的阈值
- }
- }
- return max_val;//返回阈值
- }
注意，上面这部分传递的图像是 Mat 类型的，和 Iplimage 类型在图像参数部分写法上有一点区别，注意区分开来
显示结果如下：
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
