算法介绍
原文链接:http://blog.csdn.net/u011285477/article/details/52004513
最大类间方差法是1979年由日本学者大津提出的,是一种自适应阈值确定的方法,又叫大津法,简称OTSU,是一种基于全局的二值化算法,它是根据图像的灰度特性,将图像分为前景和背景两个部分。当取最佳阈值时,两部分之间的差别应该是最大的,在OTSU算法中所采用的衡量差别的标准就是较为常见的最大类间方差。前景和背景之间的类间方差如果越大,就说明构成图像的两个部分之间的差别越大,当部分目标被错分为背景或部分背景被错分为目标,都会导致两部分差别变小,当所取阈值的分割使类间方差最大时就意味着错分概率最小[1]。
记T为前景与背景的分割阈值,前景点数占图像比例为
w0
,平均灰度为
u0
;背景点数占图像比例为
w1
,平均灰度为
u1
,图像的总平均灰度为
u
,前景和背景图象的方差,则有:
u=w0×u0+w1×u1
g=w0×(u0−u)2+w1×(u1−u)2
联立上面两式可得:
g=w0×w1×(u0−u1)2
或
g=w01−w0×(u0−u)2
当方差
g
最大时,可以认为此时前景和背景差异最大,此时的灰度T是最佳阈值。类间方差法对噪声以及目标大小十分敏感,它仅对类间方差为单峰的图像产生较好的分割效果。当目标与背景的大小比例悬殊时(例如受光照不均、反光或背景复杂等因素影响),类间方差准则函数可能呈现双峰或多峰,此时效果不好。直接用OTSU算法处理自然场景铭牌图片的部分结果实例如下:
图1.最大类间方差法二值化结果
代码实现
(C语言版,VS2012+opencv249)
#include "stdio.h"
#include "cv.h"
#include "highgui.h"
#include "Math.h"
int Otsu(IplImage* src);
int main()
{
IplImage* img = cvLoadImage("lena.jpg",0);
IplImage* dst = cvCreateImage(cvGetSize(img), 8, 1);
int threshold = Otsu(img);
printf("otsu threshold = %d\n", threshold);
cvThreshold(img, dst, threshold, 255, CV_THRESH_BINARY);
cvNamedWindow( "img", 1 );
cvNamedWindow( "dst", 1 );
cvShowImage("img", img);
cvShowImage("dst", dst);
cvWaitKey(-1);
cvReleaseImage(&img);
cvReleaseImage(&dst);
cvDestroyWindow( "img" );
cvDestroyWindow( "dst" );
return 0;
}
int Otsu(IplImage* src)
{
int height=src->height;
int width=src->width;
float histogram[256] = {0};
for(int i=0; i < height; i++)
{
unsigned char* p=(unsigned char*)src->imageData + src->widthStep * i;
for(int j = 0; j < width; j++)
{
histogram[*p++]++;
}
}
int size = height * width;
float u =0;
for(int i = 0; i < 256; i++)
{
histogram[i] = histogram[i] / size;
u += i * histogram[i];
}
int threshold;
float maxVariance=0;
float w0 = 0, avgValue = 0;
for(int i = 0; i < 256; i++)
{
w0 += histogram[i];
avgValue += i * histogram[i];
float t = avgValue/w0 - u;
float variance = t * t * w0 /(1 - w0);
if(variance > maxVariance)
{
maxVariance = variance;
threshold = i;
}
}
return threshold;
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
代码运行结果:
图2.otsu程序运行结果
代码下载:http://download.csdn.net/detail/u011285477/9584189
博客链接:http://blog.csdn.net/u011285477/article/details/52004513
参考资料:
[1]Otsu N. A threshold selection method from gray-level histograms[J]. Automatica, 1975, 11(285-296): 23-27.