图像二值化 otsu 最大类间方差法 大津算法

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

               

/****************************************以下部分内容为转载**********************************************/

/*****转自：http://hi.baidu.com/yibobin/blog/item/252573b76fba72f831add1a9.html******/

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的方法,又叫大津
法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差
越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2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。
对于图像I(x,y),前景(即目标)和背景的分割阈值记作T,属于前景的像素点数占整幅图像的比
例记为ω0,其平均灰度μ0;背景像素点数占整幅图像的比例为ω1,其平均灰度为μ1。图像的总平均
灰度记为μ,类间方差记为g。
假设图像的背景较暗,并且图像的大小为M×N,
图像中像素的灰度值小于阈值T的像素个数记作N0,像素灰度大于阈值T的像素个数记作N1,则有:
　　　　　　ω0=N0/ M×N (1)
　　　　　　ω1=N1/ M×N (2)
　　　　　　N0+N1=M×N (3)
　　　　　　ω0+ω1=1 (4)
　　　　　　μ=ω0*μ0+ω1*μ1 (5)
　　　　　　g=ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6)
将式(5)代入式(6),得到等价公式: g=ω0ω1(μ0-μ1)^2 (7)
采用遍历的方法得到使类间方差最大的阈值T,即为所求。

Otsu算法步骤如下：
设图象包含L个灰度级(0,1…,L-1)，灰度值为i的的象素点数为Ni ，图象总的象素点数为N=N0+N1+...+N(L-1)。灰度值为i的点的概为：
P(i) = N(i)/N.
门限t将整幅图象分为暗区c1和亮区c2两类，则类间方差σ是t的函数：
σ=a1*a2(u1-u2)^2 (2)
式中，aj 为类cj的面积与图象总面积之比，a1 = sum(P(i)) i->t, a2 = 1-a1; uj为类cj的均值，u1 = sum(i*P(i))/a1 0->t, 
u2 = sum(i*P(i))/a2, t+1->L-1 
该法选择最佳门限t^ 使类间方差最大，即：令Δu=u1-u2，σb = max{a1(t)*a2(t)Δu^2}

/****************************************以下部分内容为原创；OTSU代码**********************************************/

首先是自己实现的OTSU，原来不知道MATLAB直接有就自己编了……崩溃啊！

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%OTSU 最大类间方差法图像分类%该方法将图像分为前景和背景两部分，背景和目标之间的类间方差越大,说明构成图像的2部分的差别越大,%当部分目标错分为背景或部分背景错分为目标都会导致2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。%Command 中调用方式： OTSU('D:\Images\pic_loc\1870405130305041503.jpg')%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%function th=thresh_md(a);    x=imread(a);    a=rgb2gray(x);    subplot(211);   imshow(a,[]);   %[count x]=imhist(a);    [m,n]=size(a);    N=m*n;    L=256;    for i=1:L    count(i)=length(find(a==(i-1)));    f(i)=count(i)/(N);endfor i=1:L     if count(i)~=0         st=i-1;         break;     end end for i=L:-1:1     if count(i)~=0         nd=i-1;         break;     end end %f=count(st+1:nd+1);  %f是每个灰度出现的概率 p=st;   q=nd-st; u=0; for i=1:q     u=u+f(i)*(p+i-1);  %u是像素的平均值      ua(i)=u;           %ua（i）是前i个像素的平均灰度值 end;  for i=1:q     w(i)=sum(f(1:i));  %w（i）是前i个像素的累加概率 end; w=w+0.0001; d=(u*w-ua).^2./(w.*(1-w)); [y,tp]=max(d);  %可以取出数组的最大值及取最大值的点 th=tp+p; for i=1:m     for j=1:n         if a(i,j)>th             a(i,j)=0;         else             a(i,j)=255;         end     end end  subplot(212);imshow(a,[]);

下面直接调用MATLAB的函数：

I=imread('D:\Images\pic_loc\1870405130305041503.jpg');a=rgb2gray(I);level = graythresh(a);a=im2bw(a,level);imshow(a,[]);

实验结果：

           

给我老师的人工智能教程打call！http://blog.csdn.net/jiangjunshow