将信息论中的 shannon 熵概念用于图像分割, 其依据是使得图像中目标与背景分布的信息量最大,即通过测量图像灰度直方图的熵,找出最佳阈值。根据 shannon 熵的概念,对于灰度范围为 0,1,2,…,L-1 的图像,其直方图的熵定义为(仅仅是定义) :
其中pi为像素值为 i 的像素占整个图像的概率。
设阈值 t 将图像划分为目标 O 和背景 B 两类,他们的概率分布分别为:
最佳阈值 T 为使得图像的总熵取得最大值:T=argmax(H(t))
此方法不需要先验知识, 而且对于非理想双峰直方图的图像也可以进行较好的分割。 缺点:运算速