图像分割之一维最大熵阈值分割方法

阈值分割是一种常用的图像分割方法，基于灰度阈值的选取将图像灰度划分为一个或几个集合，实现图像的分割。

阈值分割方法的关键是阈值选取准则，常用的准则有最大类间方差（OTSU 大津法）和信息熵。

信息熵包括很多种：一维最大熵，二维最大熵，交叉熵，待分割目标与背景最大类间交叉熵，分割前后图像间最小交叉熵等。

信息熵表示从信息源中可能获得的信息的大小。假设事件xi发生的概率为，其自信息量定义为pi：

自信息量的数学期望称为事件xi的信息熵，表示事件在不同发生概率时的信息量。统计每个灰度值像素点的个数以及概率，灰度值t把图像分为目标和背景，计算目标与背景中灰度值像素点的概率和w1，w2、分别得到目标信息熵与背景信息熵H1、H2，以目标和背景信息熵总和最大时的灰度值t为最终的分割阈值。具体步骤如下：

设图像的总像素个数为M*N，图像灰度级的概率分布为：

                

式中表示灰度级为i的像素点个数。背景包含的像素点的灰度范围为，运动目标包含的像素点灰度范围为。背景的灰度分布概率为：

                                

运动目标的灰度分布概率为：