Otsu最大类间方差法

Otsu最大类间方差法

最大类间方差法，是由日本学者OTSU在1979年提出的一种对图像进行二值化的高效算法。

1.Otsu最大类间方差法原理

利用阈值将原图像分成前景、背景两个图像，当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准，而在Otsu算法中这个衡量差别的标准就是最大类间方差。

Otsu是在判决分析最小二乘法原理的基础上推导得出的，改法的基本思路是：选取的最佳阈值应当使得不同勒紧分离性最好。首先基于直方图得到个分割特性值的发生概率，并以阈值变量将分割特征值分为两类，然后求出每一类的类内方差及类间方差，选取使类间方差最大或类内方差最小的阈值T作为最佳阈值。

2.关于Otsu的性能：

类间方差法对噪声和目标大小十分敏感，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，类间方差准则函数可能呈现双峰或多峰，此时效果不好，但是类间方差法是用时最少的。

Otsu一直被认为是阈值自动选取方法中的最优方法，计算简单，在一定条件下不受图像对比度与亮度变化的影响，广泛应用在一些实时图像处理系统中。

3.Otsu双阈值法

基于Otsu的原理与步骤进行扩展，设置两个阈值（T1，T2）把图像灰度值分为三类，推导Otsu双阈值法如下。

设一幅图像的灰度值为0~m级，灰度值为i的像素值为ni，则总像素数为：

整幅图像的灰度平均值u为

将全部灰度值分为三类：

设C0出现的概率为w0，其灰度平均值为u0，

C1出现的概率为w1，其灰度平均值为u1，

C2出现的概率为w2，其灰度平均值为u2，则：

这样，Otsu法求取阈值的公式就扩展为：

根据上式求出每次对于的，其中的最大值对应的即是Otsu双阈值法对应的最佳阈值。

利用Otsu求取单一阈值的时候，要求图像灰度直方图呈现明显的双峰特性（此时类间方差一元函数为单峰函数）。同理，采用Otsu双阈值法的时候要求图像灰度直方图呈现明显的三峰特性（此时类间方差二元函数为单峰函数）。否则，该算法可能失效，即算法的稳定性得不到保证。