Halcon 中实现 Otsu 算法

Halcon 中的全局阈值分割算子 binary_threshold 中，Method =  'max_separability' 指的就是Otsu法（最大类间方差法，有时也称之为大津算法）。

Otsu 算法也叫全局最优阈值处理，使用聚类思想，把图像的灰度数按灰度级分成2个部分，使得两个部分之间的灰度值差异最大，每个部分之间的灰度差异最小，通过方差的计算来寻找一个合适的灰度级别来划分。 所以可以在二值化的时候采用otsu算法来自动选取阈值进行二值化。otsu算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响。因此,使类间方差最大的分割意味着错分概率最小。

设t为设定的阈值。

wo： 分开后 前景像素点数占图像的比例

uo： 分开后 前景像素点的平均灰度

w1：分开后 被景像素点数占图像的比例

u1： 分开后 被景像素点的平均灰度

u=w0*u0 + w1*u1 :图像总平均灰度

从L个灰度级遍历t，使得t为某个值的时候，前景和背景的方差最大， 则 这个 t 值便是我们要求得的阈值。

其中，方差的计算公式如下：

g=wo * (uo - u) * (uo - u) + w1 * (u1 - u) * (u1 - u)

[ 此公式计算量较大，可以采用： g = wo * w1 * (uo - u1) * (uo - u1) ]

基本的计算步骤如上面讲的那样，然后我们在Haclon中自己来实现代码：