Otsu算法(大律法或最大类间方差法)
最大类间方差法是由日本学者大津(Nobuyuki Otsu)于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。
在Matlab中, graythresh函数使用最大类间方差法获得图像的阈值。
最大类间方差原理
原理中公式推导来源—Rachel zhang 的专栏
对于图像I(x,y),前景(即目标)和背景的分割阈值记作T,属于前景的像素点数占整幅图像的比例记为ω0,其平均灰度μ0;背景像素点数占整幅图像的比例为ω1,其平均灰度为μ1。图像的总平均灰度记为μ,类间方差记为g。
假设图像的背景较暗,并且图像的大小为M×N,图像中像素的灰度值小于阈值T的像素个数记作N0,像素灰度大于阈值T的像素个数记作N1,则有:
ω0=N0/ M×N (1)
ω1=N1/ M×N (2)
N0+N1=M×N (3)
ω0+ω1=1 (4)
μ=ω0*μ0+ω1*μ1 (5)
g=ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6)
将式(5)代入式(6),得到等价公式: g=ω0ω1(μ0-μ1)^2 (7)
采用遍历的方法得到使类间方差最大的阈值T,即为所求。
算法实现
clc,clf,clear all,close all;
figure(1);
Ip=imread('F:\img\car.jpg');
Ip=rgb2gray(Ip);
[ma,na] = size(Ip);
%-------------------------------------------------%
%-------------------------------------------------%
%最大类方间差
a = Ip;
[m,n]=size(a); % 图像大小
max_g = 0;
%t = 180;
for t = 0 : 255
N0 = 0;
N1 = 0;
u0 = 0.0;
u1 = 0.0;
a = double(a); % 强制转化,否则平均灰度值将无
% 法计算
for i = 1:m
for j = 1:n
if a(i,j) <= t
N0 = N0 + 1; % 小于阈值的像素点数目
u0 = u0 + a(i,j); % 目标总灰度
else
N1 = N1 + 1; % 大于阈值的像素点数目
u1 = u1 + a(i,j); % 背景总灰度
end
end
end
w0 = N0 / (m*n); % 初始化
w1 = N1 / (m*n);
u0 = u0 / N0;
u1 = u1 / N1;
u = w0 * u0 + w1 * u1;
g = w0 * (u0 - u)^2 + w1 * (u1 - u)^2;
if (g >= max_g)
max_g = g;
T = t;
end
end
%------------------------------------------%
%------------------------------------------%
% 二值化
for i=1:m
for j=1:n
if a(i,j) < T
a(i,j) = 0;
else
a(i,j) = 255;
end
end
end
subplot(1,2,1),imshow(mat2gray(Ip));
title('原图');
subplot(1,2,2),imshow(mat2gray(a)),title('斑块');