自适应阈值化方法

1.均值方法

为每一点单独计算阈值，块内均值作为阈值

2.高斯方法

为每一点单独计算阈值，块内加权均值作为阈值

3.otsu

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)                ]

 

==================

[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.     printf("threshold = %d\n", threshold);  
15.     cvThreshold(img, dst, threshold, 255, CV_THRESH_BINARY);  
16.   
17.     cvNamedWindow( "img", 1 );  
18.     cvShowImage("img", dst);  
19.   
20.   
21.     cvWaitKey(-1);  
22.   
23.     cvReleaseImage(&img);  
24.     cvReleaseImage(&dst);  
25.       
26.     cvDestroyWindow( "dst" );  
27.     return 0;  
28. }  
29.   
30. int Otsu(IplImage* src)    
31. {    
32.     int height=src->height;    
33.     int width=src->width;        
34.   
35.     //histogram     
36.     float histogram[256] = {0};    
37.     for(int i=0; i < height; i++)  
38.     {    
39.         unsigned char* p=(unsigned char*)src->imageData + src->widthStep * i;    
40.         for(int j = 0; j < width; j++)   
41.         {    
42.             histogram[*p++]++;    
43.         }    
44.     }    
45.     //normalize histogram     
46.     int size = height * width;    
47.     for(int i = 0; i < 256; i++)  
48.     {    
49.         histogram[i] = histogram[i] / size;    
50.     }    
51.   
52.     //average pixel value     
53.     float avgValue=0;    
54.     for(int i=0; i < 256; i++)  
55.     {    
56.         avgValue += i * histogram[i];  //整幅图像的平均灰度  
57.     }     
58.   
59.     int threshold;      
60.     float maxVariance=0;    
61.     float w = 0, u = 0;    
62.     for(int i = 0; i < 256; i++)   
63.     {    
64.         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  
65.         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  
66.   
67.         float t = avgValue * w - u;    
68.         float variance = t * t / (w * (1 - w) );    
69.         if(variance > maxVariance)   
70.         {    
71.             maxVariance = variance;    
72.             threshold = i;    
73.         }    
74.     }    
75.   
76.     return threshold;    
77. }   

#include "stdafx.h"
#include "stdio.h"
#include "cv.h"
#include "highgui.h"
#include "Math.h"

int Otsu(IplImage* src);

int _tmain(int argc, _TCHAR* argv[])
{
	IplImage* img = cvLoadImage("c:\\aSa.jpg",0);
	IplImage* dst = cvCreateImage(cvGetSize(img), 8, 1);
	int threshold = Otsu(img);
	printf("threshold = %d\n", threshold);
	cvThreshold(img, dst, threshold, 255, CV_THRESH_BINARY);

	cvNamedWindow( "img", 1 );
	cvShowImage("img", dst);


	cvWaitKey(-1);

	cvReleaseImage(&img);
	cvReleaseImage(&dst);
	
	cvDestroyWindow( "dst" );
	return 0;
}

int Otsu(IplImage* src)  
{  
	int height=src->height;  
	int width=src->width;      

	//histogram  
	float histogram[256] = {0};  
	for(int i=0; i < height; i++)
	{  
		unsigned char* p=(unsigned char*)src->imageData + src->widthStep * i;  
		for(int j = 0; j < width; j++) 
		{  
			histogram[*p++]++;  
		}  
	}  
	//normalize histogram  
	int size = height * width;  
	for(int i = 0; i < 256; i++)
	{  
		histogram[i] = histogram[i] / size;  
	}  

	//average pixel value  
	float avgValue=0;  
	for(int i=0; i < 256; i++)
	{  
		avgValue += i * histogram[i];  //整幅图像的平均灰度
	}   

	int threshold;    
	float maxVariance=0;  
	float w = 0, u = 0;  
	for(int i = 0; i < 256; i++) 
	{  
		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
		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

		float t = avgValue * w - u;  
		float variance = t * t / (w * (1 - w) );  
		if(variance > maxVariance) 
		{  
			maxVariance = variance;  
			threshold = i;  
		}  
	}  

	return threshold;  
}