图像处理入门系列--使用numpy实现OTSU大津法及其改进

😁大家好，我是CuddleSabe，目前大四在读，深圳准入职算法工程师，研究主要方向为多模态（VQA、ImageCaptioning等），欢迎各位佬来讨论！
🍭我最近在有序地计划整理CV入门实战系列及NLP入门实战系列。在这两个专栏中，我将会带领大家一步步进行经典网络算法的实现，欢迎各位读者（da lao）订阅🍀

OTSU大津法

OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法。

其可分为个步骤：

1. 设定初始阈值并将图像转为灰度图像；
2. 计算 前/后 景的像素所占比例w0，w1；
3. 计算 前/后 景的像素的灰度平均值gray_level0 , gray_level1；
4. 计算在不同阈值情况下单类间方差var；
5. 使var最大的阈值即为最优阈值best_threshold；
6. 二值化；

一、将输入BGR图像转换为GRAY图像

注意，这里如果采用for循环，则运算会慢几十到几百倍，因此这里我们使用矩阵索引的方式来进行运算。（这是因为python为解释型语言，在for每次执行的时候都要进行解释，而numpy则是基于c/c++开发，本质相当于python调用c代码，运行速度杠杠的！）

# Convert BGR to GRAY
    @staticmethod
    def BGR2GRAY(img):
        gray_img = 0.2126 * img[:, :, 0] + 0.7152 * img[:, :, 1] + 0.0722 * img[:, :, 2]
        return np.array(gray_img).astype(np.uint8)

这里采用C = 0.2126 * B + 0.7152 * G + 0.0722 * R 公式，效果比普通的求三个通道的平均值要好的多！

二、计算 前/后 景像素比例及其灰度平均值

#BGR转GRAY图像
        gray = 0.2126 * img[:, :, 0] + 0.7152 * img[:, :, 1] + 0.0722 * img[:, :, 2]

        #将图像在长款上各缩短到1/4，以加快查找阈值
        gray_img = gray[::4, ::4]
        gray_img = np.array(gray_img).astype(np.uint8)

        gray_level0 = np.zeros(256, dtype=np.float)
        gray_level1 = np.zeros(256, dtype=np.float)
        w0 = np.zeros(256, dtype=np.float)
        w1 = np.zeros(256, dtype=np.float)
        threshold = np.arange(256).astype(np.uint8)
        y_size, x_size = np.shape(gray_img)

        #为了更进一步加快大津法，range在最小值和最大值中间，且步长为2
        for i in range(gray_img.min(), gray_img.max()):
            #计算 前/后 景的像素所占比例
            w0[i] = np.shape(gray_img[gray_img > threshold[i]])[0] / (y_size*x_size)
            #计算 前/后 景的像素的平均值
            gray_level0[i] = np.mean(gray_img[gray_img > threshold[i]])
            gray_level1[i] = np.mean(gray_img[gray_img <= threshold[i]])
        w1[:] = 1 - w0[:]

三、计算类间方差并取得最优阈值

#计算在不同阈值情况下的 类间方差
        var = np.array(w0[:]*w1[:]*(gray_level0[:]-gray_level1[:])**2).astype(np.uint8)
#最优的阈值对应的是最大的 类间方差
        best_threshold = threshold[np.argmax(var)]

四、二值化

#通过最优阈值来二值化
        gray[gray<best_threshold] = 0
        gray[gray>=best_threshold] = 255

五、我是如何改进的

我在编写时，经历了以下几个阶段：

阶段	遇到的问题	解决方案	理论提速多少倍
一	使用for循环导致速度过慢	使用Numpy的索引切片运算来代替for循环	23333
二	图片过大导致运算变慢	将图像在长款上各缩短到1/4，以加快查找阈值	提速 4*4 =16 倍
三	同上	为了更进一步加快大津法，range在最小值和最大值中间，且步长为2	再次提升两倍
（在二值化的时候，很多人会容易写成下面两种）

一、
        for pic in gray:
            if pic < best_threshold:
                pic = 0
            else:
                pic = 255

二、    for pic in gray:
            pic = 0 if pic < best_threshold else 255

(这样的确是大多数人第一时间容易写出的代码233，但是这是python不是c语言，这样会造成运算时间的极度加长，因为python是解释型语言，在图像处理时应该少用for循环)

正确答案应该是这样

#通过最优阈值来二值化
        gray[gray<best_threshold] = 0
        gray[gray>=best_threshold] = 255

灵活利用好numpy自身的用法，这可比for快了几十倍！

六、OTSU大津法原理及公式推导

如图，左图是一个前景和背景分开很清楚的图，前景为灰色布条，背景为黑色桌布。其灰度直方图为中图，可见其为双峰一谷型，其中每个峰都对应了 前/后 景的灰度。
1.我们这里先假设一个阈值$T$，那么我们将像素是灰度小于$T$的概率定义为$W0$，反之则为$W1$（一律采用频率来代替概率）。
2.求出灰度小于$T$的像素的均值$gray\_level0$，反之为$gray\_level1$.全图均值为$total\_gray$
3.我们得到等式 $W0\ast gray\_level0+W1\ast gray\_level1==total\_gray$
4.如果我们想将两个 前/后 景分开，则我们可以立马想到类间方差！没错，就是统计课上的类间方差。
5.将等式3代入类间方差公式${\sigma }^2=W0(gray\_level0-total\_gray{)}^2+W1(gray\_level1-total\_gray{)}^2$
6.得到等式${\sigma }^2==W0W1(gray\_level0-gray\_level1{)}^2$

七、完整代码

class OTSUTransformer():
    np.seterr(invalid='ignore')
    # Convert BGR to GRAY
    @staticmethod
    def BGR2GRAY(img):
        gray_img = 0.2126 * img[:, :, 0] + 0.7152 * img[:, :, 1] + 0.0722 * img[:, :, 2]
        return np.array(gray_img).astype(np.uint8)

    # OTSU
    @staticmethod
    def OTSU(img):
        #BGR转GRAY图像
        gray = 0.2126 * img[:, :, 0] + 0.7152 * img[:, :, 1] + 0.0722 * img[:, :, 2]

        #将图像在长款上各缩短到1/4，以加快查找阈值
        gray_img = gray[::4, ::4]
        gray_img = np.array(gray_img).astype(np.uint8)

        gray_level0 = np.zeros(256, dtype=np.float)
        gray_level1 = np.zeros(256, dtype=np.float)
        w0 = np.zeros(256, dtype=np.float)
        w1 = np.zeros(256, dtype=np.float)
        threshold = np.arange(256).astype(np.uint8)
        y_size, x_size = np.shape(gray_img)

        #为了更进一步加快大津法，range在最小值和最大值中间，且步长为2
        for i in range(gray_img.min(), gray_img.max(), 2):
            #计算 前/后 景的像素所占比例
            w0[i] = np.shape(gray_img[gray_img > threshold[i]])[0] / (y_size*x_size)
            #计算 前/后 景的像素的平均值
            gray_level0[i] = np.mean(gray_img[gray_img > threshold[i]])
            gray_level1[i] = np.mean(gray_img[gray_img <= threshold[i]])
        w1[:] = 1 - w0[:]
        #计算在不同阈值情况下的 类间方差
        var = np.array(w0[:]*w1[:]*(gray_level0[:]-gray_level1[:])**2).astype(np.uint8)
        #最优的阈值对应的是最大的 类间方差
        best_threshold = threshold[np.argmax(var)]

        #通过最优阈值来二值化
        gray[gray<best_threshold] = 0
        gray[gray>=best_threshold] = 255



        # 通过最优阈值来二值化
        gray[gray < best_threshold] = 0
        gray[gray >= best_threshold] = 255
        cv2.imwrite('res.jpg', gray)

八、效果演示