自适应阈值大津法(OTSU)介绍及代码实现

算法原理

最大类间方差法是由日本学者大津于1979年提出的，是一种自适应的阈值确定法，又叫大津法,简称OTSU。

我用最简单的方式解释一下算法原理：

这个算法的思想就是假设阈值T将图像分成了前景和背景两个部分。

求出这两个部分的类间方差：

前景像素个数占比x(前景平均灰度 - 全图平均灰度)² + 背景像素个数占比x(背景平均灰度 - 全图平均灰度)²

将阈值从0~255遍历一次，使上述类间方差最大的阈值T即为所求。

类间方差计算

我们接下来将算法原理中的类间方差化简为一个比较简单的形式，下面的过程也是代码实现的过程。

定义变量：

总像素数：N
前景像素数：fN
背景像素数：bN
前景像素灰度和：fSum
背景像素灰度和：bSum
前景像素平均灰度：fu
背景像素平均灰度：bu
图像总灰度值：Sum
图像平均灰度：u
前景像素占比：fw
背景图像占比：bw
类间方差：g

前景、背景占比：

前景像素占比：fw = fN/N
背景像素占比：bw = bN/N

前景、背景占比满足：

fw + bw =1  (1)

图片平均灰度值：

图片灰度直方图 ： Histogram[256]
图片总灰度值 Sum ： for(i=0; i<N; i++){ Sum += Histogram[i];}
图片平均灰度值 u ： Sum/N

阈值为T时前景平均灰度：

阈值为T时前景像素数 fN : for(i=0; i<=T; i ++) { fN += Histogram[i];}
阈值为T时前景像素灰度和 fSum ： for(i=0; i<=T; i++) { fSum += Histogram[i]*i;}
阈值为T时前景平均灰度 fu ： fSum/fN

阈值为T时背景平均灰度：

阈值为T时背景像素数 bN : N-fN
阈值为T时背景像素灰度和 bSum ： Sum-fSum
阈值为T时背景平均灰度 bu ： bSum/bN    

平均灰度满足：