OTSU算法对图像二值化

版权声明：本文为博主原创文章，未经博主允许不得转载。

       转载请注明出处：http://blog.csdn.net/WuHaibing_CVer

       OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法。

       1. OTSU算法原理简介

       对于一幅图像，设当前景与背景的分割阈值为t时，前景点占图像比例为w0，均值为u0，背景点占图像比例为w1，均值为u1。则整个图像的均值为u = w0*u0+w1*u1。建立目标函数g(t)=w0*(u0-u)^2+w1*(u1-u)^2，g(t)就是当分割阈值为t时的类间方差表达式。OTSU算法使得g(t)取得全局最大值，当g(t)为最大时所对应的t称为最佳阈值。OTSU算法又称为最大类间方差法。

       2.OTSU算法例程

下面是OSTU算法的C语言代码及其测试，代码基于opencv。
  
  

   
   

    
    

     
     [cpp] 
     
     view plain
     
      copy
     
     

     
      
    
    
   
   
   
   
#include <cv.h>  
#include <highgui.h>  
  
int otsu(IplImage *image)  
{  
    assert(NULL != image);  
  
    int width = image->width;  
    int height = image->height;  
    int x=0,y=0;  
    int pixelCount[256];  
    float pixelPro[256];  
    int i, j, pixelSum = width * height, threshold = 0;  
  
    uchar* data = (uchar*)image->imageData;  
  
    //初始化  
    for(i = 0; i < 256; i++)  
    {  
        pixelCount[i] = 0;  
        pixelPro[i] = 0;  
    }  
  
    //统计灰度级中每个像素在整幅图像中的个数  
    for(i = y; i < height; i++)  
    {  
        for(j = x;j <width;j++)  
        {  
            pixelCount[data[i * image->widthStep + j]]++;  
        }  
    }  
  
  
    //计算每个像素在整幅图像中的比例  
    for(i = 0; i < 256; i++)  
    {  
        pixelPro[i] = (float)(pixelCount[i]) / (float)(pixelSum);  
    }  
  
    //经典ostu算法,得到前景和背景的分割  
    //遍历灰度级[0,255],计算出方差最大的灰度值,为最佳阈值  
    float w0, w1, u0tmp, u1tmp, u0, u1, u,deltaTmp, deltaMax = 0;  
    for(i = 0; i < 256; i++)  
    {  
        w0 = w1 = u0tmp = u1tmp = u0 = u1 = u = deltaTmp = 0;  
  
        for(j = 0; j < 256; j++)  
        {  
            if(j <= i) //背景部分  
            {  
                //以i为阈值分类，第一类总的概率  
                w0 += pixelPro[j];        
                u0tmp += j * pixelPro[j];  
            }  
            else       //前景部分  
            {  
                //以i为阈值分类，第二类总的概率  
                w1 += pixelPro[j];        
                u1tmp += j * pixelPro[j];  
            }  
        }  
  
        u0 = u0tmp / w0;        //第一类的平均灰度  
        u1 = u1tmp / w1;        //第二类的平均灰度  
        u = u0tmp + u1tmp;      //整幅图像的平均灰度  
        //计算类间方差  
        deltaTmp = w0 * (u0 - u)*(u0 - u) + w1 * (u1 - u)*(u1 - u);  
        //找出最大类间方差以及对应的阈值  
        if(deltaTmp > deltaMax)  
        {     
            deltaMax = deltaTmp;  
            threshold = i;  
        }  
    }  
    //返回最佳阈值;  
    return threshold;  
}  
  
int main(int argc, char* argv[])  
{  
    IplImage* srcImage = cvLoadImage("D:\\technology\\CV\\Database\\image\\rice.png",0);  
    assert(NULL != srcImage);  
  
    cvNamedWindow("src");  
    cvShowImage("src",srcImage);  
  
    IplImage* biImage = cvCreateImage(cvGetSize(srcImage),8,1);  
  
    //计算最佳阈值  
    int threshold = otsu(srcImage);  
    //对图像二值化  
    cvThreshold(srcImage,biImage,threshold,255,CV_THRESH_BINARY);  
  
    cvNamedWindow("binary");  
    cvShowImage("binary",biImage);  
      
    cvWaitKey(0);  
  
    cvReleaseImage(&srcImage);  
    cvReleaseImage(&biImage);  
    cvDestroyWindow("src");  
    cvDestroyWindow("binary");  
  
    return 0;  
}  
  
  
下面是上述代码的运行结果图片。其中左边为原图像，右边为使用OTSU算法进行二值化后的图像。