基于VC的最大类间方差（Otsu）方法分割图像

基于VC的最大类间方差（Otsu）方法分割图像

该程序所用的算法： 大津阈值分割算法（OTSU处理图像）

算法描述：

void Otsu(void)
{
	float TCandidate[256]={0},TC=0,T=0;
	int i,j,k=0;
	float w0=0,w1=0;
	float u0=0,u1=0;
	for(k=0;k<=255;k++)//get Best T
	{
		u0=0;u1=0;w0=0;w1=0;
		for(i=0;i<N;i++)
    	{
    		for(j=0;j<M;j++)
        	{
				if(image[i][j]<=k)
				{
					w0++;//front
					u0+=image[i][j];
				}
				else
				{
					w1++;//background
					u1+=image[i][j];
				}
			}
		}
		u0/=w0;
		u1/=w1;
		w0/=(M*N);
		w1/=(M*N);
		TCandidate[k]=w0*w1*pow(u0-u1,2);
	}
	for(i=0;i<256;i++)//find the best threshold value
	{
		if(TCandidate[i]>=TC)
		{
			TC=TCandidate[i];
			T=i;
		}
		else 
			continue;
	}
	for(i=0;i<N;i++)
    {
    	for(j=0;j<M;j++)
        {
			if(image[i][j]<=T)
				imageT[i][j]=0;
			else
				imageT[i][j]=255;
		}
	}
	for(i=1;i<N;i++)
        for(j=1;j<M;j++)
        image[i][j]=imageT[i][j];
}`

Otsu算法与固定阈值分割算法的对比：

固定阈值分割算法的C语言实现：
在这里我随意选定了一个灰度阈值：100。

void SThresholdSeg(void)
{
	int t,i,j;
	printf("Enter Threshold value:\n");
	scanf("%d",&t);	
	
	for(i=0;i<N;i++)
    {
    	for(j=0;j<M;j++)
        {
			if(image[i][j]<=t)
				imageT[i][j]=0;
			else
				imageT[i][j]=255;
		}
	}
	for(i=1;i<N;i++)
        for(j=1;j<M;j++)
        image[i][j]=imageT[i][j];
}

原图

采用固定阈值分割算法后输出的二值图像为：

而使用Otsu算法的图像为：

对比可以看出采用OTSU算法处理的图像在经过二值化后图像特征保存的更好。

调试过程中可以查看到该图像在类方差最大时的灰度值为146，即经过遍历后得出的最佳分割阈值为146。则以此灰度值为阈值分割出的二值图像保留了原图像最多的信息。

因此，该算法可以部署在一些算力不高的单片机、DSP以及一些对程序运行时间要求较高的场合。用于把信息量较大的图像转换为二值图像，同时最大程度保证图像特征不丢失。为系统的判决服务。