造轮子——python手动实现OTSU

Otsu算法原理

最近研究阈值化算法，Otsu算是目前应用比较广泛的，自己想实现OTSU看和opencv对比，哪个用时短
最后经numba加速后还是失败，opencv的Otsu算法速度是自己手写的转换速度的5~10倍。果然现成的轮子是比较好用的
Otsu法又称最大类间方差法或者大津法，基本思想就是计算前景类与背景类之间的类间方差，当某个灰度级对应得到的类间方差最大时，即认为此时的阈值为最佳阈值。相关原理可以参考：

1. https://blog.csdn.net/u011285477/article/details/52004513?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-2
2. https://zhuanlan.zhihu.com/p/128109613
3. https://blog.csdn.net/m0_38024332/article/details/104226806
4. https://blog.csdn.net/u012771236/article/details/44975831

python实现

def otus_threshold(image):
    """ image should be in gray"""
    n, m = image.shape
    total_pixel = n * m
    hist = cal_hist(image)   # 自己写的灰度直方计算函数  可用下面的代替
    # opencv 中的灰度直方计算函数
    # hist = cv.calcHist([gray], [0], None, [256], [0, 256])      

    # 总平均灰度
    u = 0.0
    for i in range(len(hist)):
        u = u + i * hist[i]
    u = u / total_pixel

    # 背景灰度级平均灰度
    u_0 = []
    u_0_mid = 0.0
    w_0 = []
    for j in range(len(hist)):
        back_pixel = np.sum(hist[:j+1])
        w_0.append(back_pixel / total_pixel)
        u_0_mid = u_0_mid + j * hist[j]
        if back_pixel == 0:
            u_0.append(0.0)
        else:
            u_0.append(u_0_mid / back_pixel)
    # print(u_0)

    # 类间方差
    g = []
    a = 0.0
    for k in range(len(hist)):
        if w_0[k] == 1:
            g.append(a)
        else:
            u_1 = (u - u_0[k] * w_0[k]) / (1 - w_0[k])
            g_mid = w_0[k] * (1.0 - w_0[k]) * (u_0[k] - u_1) * (u_0[k] - u_1)
            g.append(g_mid)

    # print(len(g), g)
    g_index = g.index(max(g))

    return g_index

注意

函数的输入必须为灰度图像，返回值为最佳阈值，函数未将图像转化为二值图，可自己写可历遍对比转化一下

opencv中的Otsu法

otsu, src_threshold = cv.threshold(image_gray, 0, 255, cv.THRESH_BINARY + cv.THRESH_OTSU) 

返回值为最佳阈值 与转换后的二值化图像