Otsu实现思路
-
计算0~255各灰阶对应的像素个数,保存至一个数组中,该数组下标是灰度值,保存内容是当前灰度值对应像素数
-
计算背景图像的平均灰度、背景图像像素数所占比例
-
计算前景图像的平均灰度、前景图像像素数所占比例
-
遍历0~255各灰阶,计算并寻找类间方差极大值
C++代码实现:
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/core/core.hpp>
#include <iostream>
using namespace cv;
using namespace std;
//***************Otsu算法通过求类间方差极大值求自适应阈值******************
int OtsuAlgThreshold(const Mat image);
int main(int argc,char *argv[])
{
Mat image=imread(argv[1]);
imshow("SoureImage",image);
cvtColor(image,image,CV_RGB2GRAY);
Mat imageOutput;
Mat imageOtsu;
int thresholdValue=OtsuAlgThreshold(image);
cout<<"类间方差为: "<<thresholdValue<<endl;
threshold(image,imageOutput,thresholdValue,255,CV_THRESH_BINARY);
threshold(image,imageOtsu,0,255,CV_THRESH_OTSU); //Opencv Otsu算法
//imshow("SoureImage",image);
imshow("Output Image",imageOutput);
imshow("Opencv Otsu",imageOtsu);
waitKey();
return 0;
}
int OtsuAlgThreshold(const Mat image)
{
if(image.channels()!=1)
{
cout<<"Please input Gray-image!"<<endl;
return 0;
}
int T=0; //Otsu算法阈值
double varValue=0; //类间方差中间值保存
double w0=0; //前景像素点数所占比例
double w1=0; //背景像素点数所占比例
double u0=0; //前景平均灰度
double u1=0; //背景平均灰度
double Histogram[256]={0}; //灰度直方图,下标是灰度值,保存内容是灰度值对应的像素点总数
uchar *data=image.data;
double totalNum=image.rows*image.cols; //像素总数
//计算灰度直方图分布,Histogram数组下标是灰度值,保存内容是灰度值对应像素点数
for(int i=0;i<image.rows;i++) //为表述清晰,并没有把rows和cols单独提出来
{
for(int j=0;j<image.cols;j++)
{
Histogram[data[i*image.step+j]]++;
}
}
for(int i=0;i<255;i++)
{
//每次遍历之前初始化各变量
w1=0; u1=0; w0=0; u0=0;
//***********背景各分量值计算**************************
for(int j=0;j<=i;j++) //背景部分各值计算
{
w1+=Histogram[j]; //背景部分像素点总数
u1+=j*Histogram[j]; //背景部分像素总灰度和
}
if(w1==0) //背景部分像素点数为0时退出
{
break;
}
u1=u1/w1; //背景像素平均灰度
w1=w1/totalNum; // 背景部分像素点数所占比例
//***********背景各分量值计算**************************
//***********前景各分量值计算**************************
for(int k=i+1;k<255;k++)
{
w0+=Histogram[k]; //前景部分像素点总数
u0+=k*Histogram[k]; //前景部分像素总灰度和
}
if(w0==0) //前景部分像素点数为0时退出
{
break;
}
u0=u0/w0; //前景像素平均灰度
w0=w0/totalNum; // 前景部分像素点数所占比例
//***********前景各分量值计算**************************
//***********类间方差计算******************************
double varValueI=w0*w1*(u1-u0)*(u1-u0); //当前类间方差计算
if(varValue<varValueI)
{
varValue=varValueI;
T=i;
}
}
return T;
}
直方图直观理解
大津算法可以从图像直方图上有一个更为直观的理解:大津阈值大致上是直方图两个峰值之间低谷的值。
对上述代码稍加修改,增加画出直方图部分:
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/core/core.hpp>
#include <iostream>
using namespace cv;
using namespace std;
//***************Otsu算法通过求类间方差极大值求自适应阈值******************
int OtsuAlgThreshold(const Mat image);
int main(int argc,char *argv[])
{
Mat image=imread(argv[1]);
imshow("SoureImage",image);
cvtColor(image,image,CV_RGB2GRAY);
Mat imageOutput;
Mat imageOtsu;
int thresholdValue=OtsuAlgThreshold(image);
cout<<"类间方差为: "<<thresholdValue<<endl;
threshold(image,imageOutput,thresholdValue,255,CV_THRESH_BINARY);
threshold(image,imageOtsu,0,255,CV_THRESH_OTSU); //Opencv Otsu算法
//imshow("SoureImage",image);
imshow("Output Image",imageOutput);
imshow("Opencv Otsu",imageOtsu);
waitKey();
return 0;
}
int OtsuAlgThreshold(const Mat image)
{
if(image.channels()!=1)
{
cout<<"Please input Gray-image!"<<endl;
return 0;
}
int T=0; //Otsu算法阈值
double varValue=0; //类间方差中间值保存
double w0=0; //前景像素点数所占比例
double w1=0; //背景像素点数所占比例
double u0=0; //前景平均灰度
double u1=0; //背景平均灰度
double Histogram[256]={0}; //灰度直方图,下标是灰度值,保存内容是灰度值对应的像素点总数
int Histogram1[256]={0};
uchar *data=image.data;
double totalNum=image.rows*image.cols; //像素总数
//计算灰度直方图分布,Histogram数组下标是灰度值,保存内容是灰度值对应像素点数
for(int i=0;i<image.rows;i++) //为表述清晰,并没有把rows和cols单独提出来
{
for(int j=0;j<image.cols;j++)
{
Histogram[data[i*image.step+j]]++;
Histogram1[data[i*image.step+j]]++;
}
}
//***********画出图像直方图********************************
Mat image1(255,255,CV_8UC3);
for(int i=0;i<255;i++)
{
Histogram1[i]=Histogram1[i]%200;
line(image1,Point(i,235),Point(i,235-Histogram1[i]),Scalar(255,0,0),1,8,0);
if(i%50==0)
{
char ch[255];
sprintf(ch,"%d",i);
string str=ch;
putText(image1,str,Point(i,250),1,1,Scalar(0,0,255));
}
}
//***********画出图像直方图********************************
for(int i=0;i<255;i++)
{
//每次遍历之前初始化各变量
w1=0; u1=0; w0=0; u0=0;
//***********背景各分量值计算**************************
for(int j=0;j<=i;j++) //背景部分各值计算
{
w1+=Histogram[j]; //背景部分像素点总数
u1+=j*Histogram[j]; //背景部分像素总灰度和
}
if(w1==0) //背景部分像素点数为0时退出
{
break;
}
u1=u1/w1; //背景像素平均灰度
w1=w1/totalNum; // 背景部分像素点数所占比例
//***********背景各分量值计算**************************
//***********前景各分量值计算**************************
for(int k=i+1;k<255;k++)
{
w0+=Histogram[k]; //前景部分像素点总数
u0+=k*Histogram[k]; //前景部分像素总灰度和
}
if(w0==0) //前景部分像素点数为0时退出
{
break;
}
u0=u0/w0; //前景像素平均灰度
w0=w0/totalNum; // 前景部分像素点数所占比例
//***********前景各分量值计算**************************
//***********类间方差计算******************************
double varValueI=w0*w1*(u1-u0)*(u1-u0); //当前类间方差计算
if(varValue<varValueI)
{
varValue=varValueI;
T=i;
}
}
//画出以T为阈值的分割线
line(image1,Point(T,235),Point(T,0),Scalar(0,0,255),2,8);
imshow("直方图",image1);
return T;
}