OTSU算法对图像二值化

otsu法（最大类间方差法，有时也称之为大津算法）使用的是聚类的思想，把图像的灰度数按灰度级分成2个部分，使得两个部分之间的灰度值差异最大，每个部分之间的灰度差异最小，通过方差的计算来寻找一个合适的灰度级别 来划分。  所以 可以在二值化的时候 采用otsu算法来自动选取阈值进行二值化。otsu算法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,使类间方差最大的分割意味着错分概率最小。

设t为设定的阈值。

wo： 分开后  前景像素点数占图像的比例

uo：  分开后  前景像素点的平均灰度

w1：分开后  被景像素点数占图像的比例

u1：  分开后  被景像素点的平均灰度

u=w0*u0 + w1*u1 :图像总平均灰度

从L个灰度级遍历t，使得t为某个值的时候，前景和背景的方差最大， 则 这个 t  值便是我们要求得的阈值。

其中，方差的计算公式如下：

g=wo * (uo - u) * (uo - u) + w1 * (u1 - u) * (u1 - u)

[             此公式计算量较大，可以采用：      g = wo * w1 * (uo - u1) * (uo - u1)                ]

由于otsu算法是对图像的灰度级进行聚类，so  在执行otsu算法之前，需要计算该图像的灰度直方图。

按照上面的解释参考代码如下：

[cpp] view plain copy print ?

1. #include "stdafx.h" 
2. #include "stdio.h" 
3. #include "cv.h" 
4. #include "highgui.h" 
5. #include "Math.h" 
6.  
7. int Otsu(IplImage* src); 
8.  
9. int _tmain(int argc, _TCHAR* argv[]) 
10. { 
11.     IplImage* img = cvLoadImage("c:\\aSa.jpg",0); 
12.     IplImage* dst = cvCreateImage(cvGetSize(img), 8, 1); 
13.     int threshold = Otsu(img); 
14.  
15.     cvThreshold(img, dst, threshold, 255, CV_THRESH_BINARY); 
16.  
17.  
18.     cvNamedWindow( "img", 1 ); 
19.     cvShowImage("img", dst); 
20.  
21.  
22.     cvWaitKey(-1); 
23.  
24.     cvReleaseImage(&img); 
25.     cvReleaseImage(&dst); 
26.  
27.     cvDestroyWindow( "dst" ); 
28.     return 0; 
29. } 
30.  
31. int Otsu(IplImage* src)   
32. {   
33.     int height=src->height;   
34.     int width=src->width;       
35.     long size = height * width;  
36.  
37.     //histogram   
38.     float histogram[256] = {0};   
39.     for(int m=0; m < height; m++) 
40.     {   
41.         unsigned char* p=(unsigned char*)src->imageData + src->widthStep * m;   
42.         for(int n = 0; n < width; n++)  
43.         {   
44.             histogram[int(*p++)]++;   
45.         }   
46.     }   
47.  
48.     int threshold;     
49.     long sum0 = 0, sum1 = 0; //存储前景的灰度总和和背景灰度总和 
50.     long cnt0 = 0, cnt1 = 0; //前景的总个数和背景的总个数 
51.     double w0 = 0, w1 = 0; //前景和背景所占整幅图像的比例 
52.     double u0 = 0, u1 = 0;  //前景和背景的平均灰度 
53.     double variance = 0; //最大类间方差 
54.     int i, j; 
55.     double u = 0; 
56.     double maxVariance = 0; 
57.     for(i = 1; i < 256; i++) //一次遍历每个像素 
58.     {   
59.         sum0 = 0; 
60.         sum1 = 0;  
61.         cnt0 = 0; 
62.         cnt1 = 0; 
63.         w0 = 0; 
64.         w1 = 0; 
65.         for(j = 0; j < i; j++) 
66.         { 
67.             cnt0 += histogram[j]; 
68.             sum0 += j * histogram[j]; 
69.         } 
70.  
71.         u0 = (double)sum0 /  cnt0;  
72.         w0 = (double)cnt0 / size; 
73.  
74.         for(j = i ; j <= 255; j++) 
75.         { 
76.             cnt1 += histogram[j]; 
77.             sum1 += j * histogram[j]; 
78.         } 
79.  
80.         u1 = (double)sum1 / cnt1; 
81.         w1 = 1 - w0; // (double)cnt1 / size; 
82.  
83.         u = u0 * w0 + u1 * w1; //图像的平均灰度 
84.         printf("u = %f\n", u); 
85.         //variance =  w0 * pow((u0 - u), 2) + w1 * pow((u1 - u), 2); 
86.         variance =  w0 * w1 *  (u0 - u1) * (u0 - u1); 
87.         if(variance > maxVariance)  
88.         {   
89.             maxVariance = variance;   
90.             threshold = i;   
91.         }  
92.     }   
93.  
94.     printf("threshold = %d\n", threshold); 
95.     return threshold;   
96. }   
97. 文章出处：http://blog.csdn.net/timidsmile/article/details/8493468