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。