OUST实现图像分割

一、基本介绍
应用：求图像全局阈值，适用于大多需要求图像全局阈值的需求
优点：计算简单、快速，不受图像亮度和对比度影响
缺点：对图像噪声敏感；只能针对单一目标分割；当目标和背景大小比例悬殊、类间方差函数可能呈现双峰或者多峰，效果不好

二、原理
OTSU算法假设存在阈值TH，将图像所有像素分为两类C1（小于TH）、C2（大于TH）。这两类像素各自的均值分别为m1、m2，图像全局均值为mG。同事像素被分为C1、C2类的概率分别为p1、p2.因此有:

p1*m1+p2*m2=mG											(1)
p1+p2=1															(2)

根据方差概念，类间方差表达式为:

σ^2=p1*(m1-mG)^2+p2*(m2-mG)^2					(3)

将(1)代入(3)得:

σ^2=p1*p2*(m1-m2)^2										(4)

其中:

根据文献，对式(4)进行变形
首先灰度级K的累加均值m和图像全局均值mG分别为:

根据式(6),m1、m2变形为:

m1=1/p1m (10)
m2=1/p2(mG-m) (11)

式(10)、(11)代入(4)，可得类间方差公式:

根据式(5)、(8)、(9)求得式上式(12)最大化的灰度级k就是OTSU阈值。

三、代码实现

//自适应阈值 传入图像为灰度图
int Otsu(Mat src)
{
	//传入的图像为灰度图
	//图像宽、高
	int width = src.cols;
	int height = src.rows;
	//对应像素值数量
	int pixelCount[256] = { 0 };
	//对应像素值占比
	float pixelPro[256] = { 0 };
	//图像像素数
	int pixelSum = width * height;
	int threshold = 0;

	//统计灰度级中每个像素在整幅图像中的个数
	for (int i = 0; i < height; i++)
	{
		for (int j = 0; j < width; j++)
		{
			int pixel = (int)src.at<uchar>(i, j);
			pixelCount[pixel]++;
		}
	}

	//计算每个像素在整幅图像中的比例
	for (int i = 0; i < 256; i++)
	{
		pixelPro[i] = (float)(pixelCount[i]) / (float)(pixelSum);
	}

	//经典ostu算法,得到前景和背景的分割
	//遍历灰度级[0,255],计算出方差最大的灰度值,为最佳阈值
	/*
	w0,w1:前景和背景所占整幅图像的比例
	u0,u1:前景和背景的平均灰度
	u:整幅图像平均灰度
	*/
	float w0, w1, u0tmp, u1tmp, u0, u1, u, deltaTmp, deltaMax = 0;
	for (int i = 0; i < 256; i++)
	{
		w0 = w1 = u0tmp = u1tmp = u0 = u1 = u = deltaTmp = 0;
		for (int j = 0; j < 256; j++)
		{
			if (j <= i) //背景部分
			{
				//以i为阈值分类，第一类总的概率
				w0 += pixelPro[j];
				u0tmp += j * pixelPro[j];
			}
			else
				//前景部分
			{
				//以i为阈值分类，第二类总的概率
				w1 += pixelPro[j];
				u1tmp += j * pixelPro[j];
			}
		}
		u0 = u0tmp / w0;        //第一类的平均灰度
		u1 = u1tmp / w1;        //第二类的平均灰度
		u = u0tmp + u1tmp;        //整幅图像的平均灰度
		//计算类间方差
		deltaTmp = w0 * (u0 - u)*(u0 - u) + w1 * (u1 - u)*(u1 - u);
		//找出最大类间方差以及对应的阈值
		if (deltaTmp > deltaMax)
		{
			deltaMax = deltaTmp;
			threshold = i;
		}
	}
	//返回最佳阈值;
	return threshold;

}