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。
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。