大津法(OTSU)进行阈值分割——学习笔记2
OTSU原理
大津法常用于图像的阈值分割,通过搜寻目标与背景之间的最大方差来自适应地确定图像分割的最佳阈值。
对于一个一维干涉信号,首先对信号进行归一化,将信号减去直流部分,然后对信号取绝对值(或平方或四次方),得到类似灰度直方图。假设该信号共有N个数据点,每个数据点值的大小为N(i),则每个数据点值的总和为sum(N),每个数据点占总体的概率为pi=N(i)/sum(N),将处理后的信号分为A、B两部分,则各部分占总体的概率为:
w a = ∑ i = 1 t p i w b = ∑ i = t + 1 N p i \ w_a=\sum_{i=1}^{t}p_i\, \\\ w_b=\sum_{i=t+1}^Np_i\, wa=i=1∑tpi wb=i=t+1∑Npi
A和B中各点所占的概率分别为:
p i / w a ( i = 1 , 2 , , 3 , 4 … … t ) , p i / w b ( i = t + 1 , t + 2 , … … N ) \ p_i/w_a\, \ (i=1,2,,3,4……t)\ ,\\\\\\p_i/w_b\, \ (i=t+1,t+2,……N) pi/wa (i=1,2,,3,4……t) ,pi/wb (i=t+1,t+2,……N)
信号总体(所有数据点)的数学期望可表示为:
E = ∑ i = 1 N p i ∗ i \ E=\sum_{i=1}^{N}p_i*i\, E=