OTSU算法
OTSU算法也称最大类间差法,有时也称之为大津算法,由大津于1979年提出,被认为是图像分割中阈值选取的最佳算法,计算简单,不受图像亮度和对比度的影响,因此在数字图像处理上得到了广泛的应用。它是按图像的灰度特性,将图像分成背景和前景两部分。因方差是灰度分布均匀性的一种度量,背景和前景之间的类间方差越大,说明构成图像的两部分的差别越大,当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。
设灰度图像灰度级是L,则灰度范围为[0,L-1],利用OTSU算法计算图像的最佳阈值为:
t = Max[w0(t) * (u0(t) - u)^2 + w1(t) * (u1(t) - u)^2)]
其中的变量说明:当分割的阈值为t时,w0为背景比例,u0为背景均值,w1为前景比例,u1为前景均值,u为整幅图像的均值。
1 int Otsu(IplImage* src) 2 { 3 int height=src->height; 4 int width=src->width; 5 6 //histogram 7 float histogram[256] = {0}; 8 for(int i=0; i < height; i++) 9 { 10 unsigned char* p=(unsigned char*)src->imageData + src->widthStep * i; 11 for(int j = 0; j < width; j++) 12 { 13 histogram[*p++]++; 14 } 15 } 16 //normalize histogram 17 int size = height * width; 18 for(int i = 0; i < 256; i++) 19 { 20 histogram[i] = histogram[i] / size; 21 } 22 23 //average pixel value 24 float avgValue=0; 25 for(int i=0; i < 256; i++) 26 { 27 avgValue += i * histogram[i]; //整幅图像的平均灰度 28 } 29 30 int threshold; 31 float maxVariance=0; 32 float w = 0, u = 0; 33 for(int i = 0; i < 256; i++) 34 { 35 w += histogram[i]; //假设当前灰度i为阈值, 0~i 灰度的像素(假设像素值在此范围的像素叫做前景像素) 所占整幅图像的比例 36 u += i * histogram[i]; // 灰度i 之前的像素(0~i)的平均灰度值: 前景像素的平均灰度值 37 38 float t = avgValue * w - u; 39 float variance = t * t / (w * (1 - w) ); 40 if(variance > maxVariance) 41 { 42 maxVariance = variance; 43 threshold = i; 44 } 45 } 46 47 return threshold; 48 }