Otsu算法

OTSU一维算法，我自己的理解是自适应阈值分割法，通过对灰度图的处理自行得到一个最佳的阈值，并最后用这个阈值二值化灰度图，参考了商丘师范学院的胡颖老师的<<OTSU算法的改进与纠正>>一文，但是我用的时候效果不是很理想，于是自己进行了稍微的变动，

OTSU算法：就是计算出灰度图最佳阈值的算法

1.先对灰度图进行直方图计算并归一化处理，得到0-255之间每个像素在灰度图中出现的概率，即表示为某个像素在灰度图中出现了n个，灰度图总的像素点为N个，则这个像素的出现概率为Pi=n/N

2.每个灰度图可以由阈值k将灰度图分为A，B两大类，很容易得到A，B类在灰度图中的出现概率以及灰度均值

3.计算灰度图A,B类得类间方差，在最佳阈值K处，求得的类间方差最大，也就是类间方差最大的那个时刻的阈值就为灰度图的最佳阈值

最大类间方差法（otsu）的原理：

           阈值将原图象分成前景，背景两个图象。

           前景：用n1,csum,      m1来表示在当前阈值下的前景的点数，质量矩，平均灰度

           后景：用n2, sum-csum, m2来表示在当前阈值下的背景的点数，质量矩，平均灰度

           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（英文简称otsu，这也就是这个算法名字的来源）

           在本程序中类间方差用sb表示，最大类间方差用fmax

           关于最大类间方差法（otsu）的性能:

           类间方差法对噪音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。

           最大最大类间方差法（otsu）的公式推导：

           记t为前景与背景的分割阈值，前景点数占图像比例为w0， 平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。

           则图像的总平均灰度为：u=w0*u0+w1*u1。

           前景和背景图象的方差：g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1),此公式为方差公式，可参照概率论课本

下面结合代码讲解

[cpp]  view plain  copy

1. int ThresholdOtsu(IplImage *src)  
2. {  
3.  assert(src->nChannels == 1);  
4.  float histogram[256] = {0};  
5.   
6.  for(int h=0;h<src->height;h++)  
7.  {  
8.   unsigned char* p = (unsigned char *)src->imageData +h*src->height;  
9.    for(int w=0;w<src->width ;w++)  
10.    {  
11.     histogram[*p++]++;//计算直方图  
12.    }  
13.  }  
14.   
15.  int totalpixel = src->width *src->height;  
16.   
17.  for(int i=0;i<256;i++)  
18.     histogram[i] =(float) histogram[i]/(float)totalpixel;//归一化直方图  
19.   
20.  float maxavgvalue = 0;  
21.   
22.  for(int i=0;i<256;i++)  
23.   maxavgvalue = i*histogram[i];//总的灰度均值，其实在这里可将其设为0  
24.   
25.  float PA = 0;//A类出现概率  
26.  float PB = 0;//B类出现概率  
27.  float Agrayvalue = 0;//A类灰度均值  
28.  float Bgrayvalue = 0;//B类灰度均值  
29.  float maxvariance = 0;  
30.  float variance ;  
31.  int threshold;  
32.   
33.  for(int i=0;i<256;i++)  
34.  {  
35.         PA += histogram[i];  
36.   PB = 1-PA;  
37.   Agrayvalue += i*histogram[i];//A类灰度均值  
38.   Bgrayvalue += maxavgvalue - Agrayvalue;//B类灰度均值  
39.   //Agrayvalue = Agrayvalue/PA;  
40.   //Bgrayvalue = Bgrayvalue/PB;  
41.         variance = PA*(Agrayvalue-maxavgvalue)*(Agrayvalue-maxavgvalue)+PB*(Bgrayvalue-maxavgvalue)*(Bgrayvalue-maxavgvalue);//计算类间方差  
42.   
43.   
44.    if(variance>maxvariance)  
45.    {  
46.     maxvariance = variance;  
47.     threshold = i;//求得最大类间方差时的像素值，即为最佳阈值  
48.    }  
49.      }  
50.   
51.  return threshold;//返回最佳阈值二值化图像  
52.   
53. }