最大类间方差法

最大类间方差法（Otsu）

 顾名思义该方法利用目标区域与背景区域之间的方差最大的思想，达到分割图像的目的。也就是说，选取最佳阈值T时，目标与背景之间的方差值最大，小于阈值T的区域为D1,大于阈值的区域为D2，如此一来即可将需要的区域区分开来。话不多说，上代码：

//统计灰度直方图，直接在图像转数组中实现
 private unsafe void Image2Byte()
        {
            BitmapData unlock = new BitmapData();
            unlock = _bitmap.LockBits(new Rectangle(0, 0, _w, _h),
            ImageLockMode.ReadWrite, PixelFormat.Format24bppRgb);
            int stride = unlock.Stride;
            byte* temp = (byte*)unlock.Scan0.ToPointer();
            for (int j = 0; j < _h; j++)
            {
                for (int i = 0; i < _w; i++)
                {
                    // gray =R*0.299 + G*0.587 + B*0.114 
                    int gray = temp[0] * 19595 + temp[1] * 38469 + temp[2] * 7472 >> 16;
                    _grayData[i, j] = (byte)gray;
                    _grayHistogram[gray]++;
                    temp += 3;
                }
                temp += stride - 3 * _w;
            }
            _bitmap.UnlockBits(unlock);
        }
//排除开头和结尾灰度数量为0的部分，减少计算量
   private bool NoneZero(int value)
        {
            return value != 0 ? true : false;
        }
        /// <summary>
        /// 最大类间方差法
        /// </summary>
        private int Otsu()
        {
            Image2Byte();
            int sumPoint = _grayData.Length;     //图像所有点数
            double sumGray = 0;                  //图像总灰度值       
            for (int i = 0; i < 256; i++)    
            {
                sumGray +=i*_grayHistogram[i];
            }
            int minGray = Array.FindIndex(_grayHistogram, NoneZero);   //灰度非零起始点
            int maxGray = Array.FindLastIndex(_grayHistogram, NoneZero);//灰度非零结束点

            int threshold = minGray;                  //初始最大类间方差
            double maxVariance = 0;                   //初始最大方差
            double desSumGray = 0;                    // 初始目标质量矩
            double desSumPoint = 0;                   // 初始目标点数

            for (int i = minGray; i < maxGray; i++)
            {
                if (_grayHistogram[i] == 0) continue;

                desSumPoint += _grayHistogram[i];      //目标区域总点数
                desSumGray += i * _grayHistogram[i];   //灰度值点数 * 灰度值 = 目标区域总灰度值

                double diference = desSumGray/desSumPoint- sumGray / sumPoint;
                double variance = (diference * diference )*( desSumPoint / (sumPoint - 
                                   desSumPoint));
                if (variance > maxVariance)
                {
                    maxVariance = variance;
                    threshold = i;
                }
            }
            return threshold;
        }

总结：该方法在图像灰度直方图呈现单峰时效果较好。但图像在光照不均匀，噪声点大等情况下分割效果不佳，具体应用可参考最大类间方差法的思想，将目标与背景分为两个部分，分别处理，在合一起考虑的思想。

 

参考文献：[1]Otsu N. A threshold selection method from gray-level histograms[J]. Automatica, 1975, 11(285-296): 23-27.