OpenCV - 最大间方差分割

转载请注明出处，谢谢.

1. OpenCV - 区域生长算法
2. OpenCV - 均值迭代分割
3. OpenCV - 最大间方差(OTUS)分割
4. OpenCV - 最大熵分割

OpenCV中其实有对OTUS算法的实现，threhold()函数最后一个参数可以指定使用OTUS算法。

1、最大间方差(OTUS)算法的描述

和均值迭代算法相似，OTUS算法也是利用图像的直方图进行的。OTUS算法的思想是选取一个阈值$T， T \in [0,m-1]$,$m$为图像的灰度级将直方图两部分，$T$值使得分成的两组间方差最大。

2、算法的步骤

待处理图像灰度值范围为$[0, m-1]$, 记灰度值为$i$的像素个数为$n_{i}$.
1. 统计待处理图像中像素灰度总和$N$：

$$N=\sum_{i=0}^{m-1}n_{i}$$
2. 计算每个灰度值$i, i \in [0,m-1]$所占的概率:

$$p_{i}=\frac{n_{i}}{N}$$ 灰度均值 $\mu$： $$\mu=\sum_{i=0}^{m-1}i*p_{i}$$
3. 取灰度值 $T = 0 ,`1,... m-1$,利用 $T$将所有灰度分成两组$C_{0}={0 ... T-1}$和 $C_{1}={T ... m-1}$,两组的均值和概率表示为：

第一类所占的概率： $$w_{0} = \sum_{i=0}^{T-1}p_{i}$$
第一类的均值： $$\mu_{0} = \sum_{i=0}^{T-1}\frac{i*p_{i}}{w_{0}}$$
第二类所占的概率： $$w_{1} = \sum_{i=T}^{m-1}p_{i} = 1-w_{0}$$
第二类的均值： $$\mu_{1} = \sum_{i=T}^{m-1}\frac{i*p_{i}}{w_{1}}$$
4. 计算两组间的方差： $$\delta^{2} = w_{0}(\mu_{0}-\mu)^{2} + w_{1}(\mu_{1}-\mu)^{2}$$
5. 重复过程2 - 4，找到组间方差最大的灰度值 $i$，使用$i$对图像进行阈值分割即可。

3、OpenCV下的实现

Mat OstuSeg(Mat src)
{
    int tbHist[256] = {0};                      //直方图数组
    double average = 0.0;                       //平均像素值
    double cov = 0.0;                           //方差
    double maxcov = 0.0;                        //方差最大值
    int index = 0;                              //分割像素值
    Mat dst;
    int nCol = src.cols * src.channels();       //每行的像素个数
    for (int i = 0; i < src.rows; i++)
    {
        uchar* pData = src.ptr<uchar>(i);
        for (int j = 0; j < nCol; ++j)
        {
            tbHist[pData[j]] += 1;
        }
    }

    int sum = 0;
    for (int i=0; i<256; ++i)                   
        sum += tbHist[i];

    double w0=0.0, w1=0.0, u0=0.0, u1=0.0;
    int count0 = 0;
    for (int i = 0; i < 255; ++i)
    {
        u0 = 0;
        count0 = 0;
        for (int j=0; j<=i; ++j)
        {
            u0 += j * tbHist[j];
            count0 += tbHist[j];
        }
        u0 = u0/count0;
        w0 = (float)count0/sum;

        u1 = 0;
        for (int j=i+1; j<256; ++j)
            u1 += j*tbHist[j];

        u1 = u1/(sum - count0);
        w1 = 1 - w0;
        cov = w0*w1*(u1-u0)*(u1-u0);
        if (cov > maxcov)
        {
            maxcov = cov;
            index = i;
        }
    }
    cv::threshold(src, dst, index, 255, 0);    //进行阈值分割
    return dst.clone();
}

4、拓展

和上一篇所述一样，如果我们需要分割的物体并不是规则的矩形，那么任然可以采用在直方图中将我们已知的无效像素去掉。