关闭

图像二值化----otsu(最大类间方差法、大津算法)

标签: matlabmatlab 图像处理
804人阅读 评论(0) 收藏 举报
分类:

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的方法,又叫大津
法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差
越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2部
分差别变小。因此,使类间方差最大的分割意味着错分概率最小。
对于图像I(x,y),前景(即目标)和背景的分割阈值记作T,属于前景的像素点数占整幅图像的比
例记为ω0,其平均灰度μ0;背景像素点数占整幅图像的比例为ω1,其平均灰度为μ1。图像的总平均
灰度记为μ,类间方差记为g。
假设图像的背景较暗,并且图像的大小为M×N,
图像中像素的灰度值小于阈值T的像素个数记作N0,像素灰度大于阈值T的像素个数记作N1,则有:
      ω0=N0/ M×N (1)
      ω1=N1/ M×N (2)
      N0+N1=M×N (3)
      ω0+ω1=1 (4)
      μ=ω0*μ0+ω1*μ1 (5)
      g=ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6)
将式(5)代入式(6),得到等价公式: g=ω0ω1(μ0-μ1)^2 (7)
采用遍历的方法得到使类间方差最大的阈值T,即为所求。

Otsu算法步骤如下:
设图象包含L个灰度级(0,1…,L-1),灰度值为i的的象素点数为Ni ,图象总的象素点数为N=N0+N1+...+N(L-1)。灰度值为i的点的概为:
P(i) = N(i)/N.
门限t将整幅图象分为暗区c1和亮区c2两类,则类间方差σ是t的函数:
σ=a1*a2(u1-u2)^2 (2)
式中,aj 为类cj的面积与图象总面积之比,a1 = sum(P(i)) i->t, a2 = 1-a1; uj为类cj的均值,u1 = sum(i*P(i))/a1 0->t, 
u2 = sum(i*P(i))/a2, t+1->L-1 
该法选择最佳门限t^ 使类间方差最大,即:令Δu=u1-u2,σb = max{a1(t)*a2(t)Δu^2}

/****************************************以下部分内容为原创;OTSU代码**********************************************/

首先是自己实现的OTSU,原来不知道MATLAB直接有就自己编了……崩溃啊!

  1. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%  
  2. %OTSU 最大类间方差法图像分类  
  3. %该方法将图像分为前景和背景两部分,背景和目标之间的类间方差越大,说明构成图像的2部分的差别越大,  
  4. %当部分目标错分为背景或部分背景错分为目标都会导致2部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。  
  5. %Command 中调用方式: OTSU('D:\Images\pic_loc\1870405130305041503.jpg')  
  6. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%  
  7. function th=thresh_md(a);   
  8.    x=imread(a);   
  9.    a=rgb2gray(x);   
  10.    subplot(211);  
  11.    imshow(a,[]);  
  12.    %[count x]=imhist(a);   
  13.    [m,n]=size(a);   
  14.    N=m*n;   
  15.    L=256;   
  16.      
  17. for i=1:L  
  18.     count(i)=length(find(a==(i-1)));  
  19.     f(i)=count(i)/(N);  
  20. end  
  21.   
  22. for i=1:L   
  23.     if count(i)~=0   
  24.         st=i-1;   
  25.         break;   
  26.     end   
  27. end   
  28. for i=L:-1:1   
  29.     if count(i)~=0   
  30.         nd=i-1;   
  31.         break;   
  32.     end   
  33. end   
  34. %f=count(st+1:nd+1);  %f是每个灰度出现的概率   
  35. p=st;   q=nd-st;   
  36. u=0;   
  37. for i=1:q   
  38.     u=u+f(i)*(p+i-1);  %u是像素的平均值    
  39.     ua(i)=u;           %ua(i)是前i个像素的平均灰度值   
  40. end;   
  41.    
  42. for i=1:q   
  43.     w(i)=sum(f(1:i));  %w(i)是前i个像素的累加概率   
  44. end;   
  45.   
  46. w=w+0.0001;  
  47.    
  48. d=(u*w-ua).^2./(w.*(1-w));   
  49. [y,tp]=max(d);  %可以取出数组的最大值及取最大值的点   
  50. th=tp+p;   
  51.   
  52. for i=1:m   
  53.     for j=1:n   
  54.         if a(i,j)>th   
  55.             a(i,j)=0;   
  56.         else   
  57.             a(i,j)=255;   
  58.         end   
  59.     end   
  60. end    
  61. subplot(212);  
  62. imshow(a,[]);  

下面直接调用MATLAB的函数:


  1. I=imread('D:\Images\pic_loc\1870405130305041503.jpg');  
  2. a=rgb2gray(I);  
  3. level = graythresh(a);  
  4. a=im2bw(a,level);  
  5. imshow(a,[]);  


实验结果:

0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:133854次
    • 积分:1965
    • 等级:
    • 排名:千里之外
    • 原创:37篇
    • 转载:134篇
    • 译文:0篇
    • 评论:2条
    文章分类