一种迭代求最优阈值的算法

算法流程如下：

1 假设没有有关物体确切位置的信息，作为第一步近似，可以考虑将初始阈值设定为图像的平均灰度，这样做是合理的，因为，物体与背景往往有很明显的灰度差，其平均灰度一定在背景灰度和物体灰度之间。

 

2 在第t步，分别计算背景和物体的灰度均值，并求出两个均值的平均值，作为下一步分割图像的阈值。

 

3 以新阈值更新背景和物体，转到第2步，如果该次计算的阈值与上一次计算的阈值相等，则停止；如果达到设定的迭代次数则停止。

 

具体代码如下，基于OPENCV2.1和VS2008。

 

//src : 灰度图像 //iter: 迭代次数 int optimizeThreshold(IplImage* src, int iter) { assert(src->nChannels == 1); IplImage* t_image = cvCreateImage(cvGetSize(src), src->depth, 1); //求出平均灰度 CvScalar tmp = cvAvg(src); int initThreshold = tmp.val[0]; for(int m = 0; m < iter; ++m) { cvThreshold(src, t_image, initThreshold, 255, CV_THRESH_BINARY); int bg = 0; int bg_count = 0; int ob = 0; int ob_count = 0; for(int j = 0; j < src->heig