算法原理
最大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定法,又叫大津法,简称OTSU。
我用最简单的方式解释一下算法原理:
这个算法的思想就是假设阈值T将图像分成了前景和背景两个部分。
求出这两个部分的类间方差:
前景像素个数占比x(前景平均灰度 - 全图平均灰度)2 + 背景像素个数占比x(背景平均灰度 - 全图平均灰度)2
将阈值从0~255遍历一次,使上述类间方差最大的阈值T即为所求。
类间方差计算
我们接下来将算法原理中的类间方差化简为一个比较简单的形式,下面的过程也是代码实现的过程。
定义变量:
总像素数:N
前景像素数:fN
背景像素数:bN
前景像素灰度和:fSum
背景像素灰度和:bSum
前景像素平均灰度:fu
背景像素平均灰度:bu
图像总灰度值:Sum
图像平均灰度:u
前景像素占比:fw
背景图像占比:bw
类间方差:g
前景、背景占比:
前景像素占比:fw = fN/N
背景像素占比:bw = bN/N
前景、背景占比满足:
fw + bw =1 (1)
图片平均灰度值:
图片灰度直方图 : Histogram[256]
图片总灰度值 Sum : for(i=0; i<N; i++){ Sum += Histogram[i];}
图片平均灰度值 u : Sum/N
阈值为T时前景平均灰度:
阈值为T时前景像素数 fN : for(i=0; i<=T; i ++) { fN += Histogram[i];}
阈值为T时前景像素灰度和 fSum : for(i=0; i<=T; i++) { fSum += Histogram[i]*i;}
阈值为T时前景平均灰度 fu : fSum/fN
阈值为T时背景平均灰度:
阈值为T时背景像素数 bN : N-fN
阈值为T时背景像素灰度和 bSum : Sum-fSum
阈值为T时背景平均灰度 bu : bSum/bN
平均灰度满足: