最大类间方差法原理及代码实现（matlab详细过程版）

本文由CSDN点云侠原创，原文链接。如果你不是在点云侠的博客中看到该文章，那么此处便是不要脸的爬虫与GPT。

一、算法原理

1、原理概述

  假设原始图像中像素总数为$K$，对应灰度级为$i$的像素点数量为$k_i$，灰度级数量为$L$，$i$的取值范围为$[0,L-1]$，由此可得灰度级为$i$的像素点出现的概率为：
$$P_i=k_i/K,i=0,1,2,\dots ,L-1\text{\hspace{1em}(1)}$$
  通过最优阈值$t$将像素点分割成前、后景，其中灰度值为$[0,t]$的部分被分割成前景$Q_0$，灰度值为$(t,L-1]$的像素点被分割成后景$Q_1$，同时，前景类概率${\omega }_0$与后景类概率${\omega }_1$分别为：
$${\omega }_0(t)={\Sigma }_{i=0}^t{P}_i\text{\hspace{1em}(2)}$$
$${\omega }_1(t)=1-{\omega }_0(t)\text{\hspace{1em}(3)}$$
  图像平均灰度级${\mu }_t$、前景平均灰度值${\mu }_0$、后景平均灰度值${\mu }_1$分别为：
$${\mu }_t={\Sigma }_{i=0}^{L-1}i{P}_i\text{\hspace{1em}(4)}$$
$${\mu }_0={\Sigma }_{i=0}^{t}i{P}_i/{\omega }_0\text{\hspace{1em}(5)}$$
$${\mu }_t={\Sigma }_{i=t+1}^{L-1}i{P}_i/{\omega }_1\text{\hspace{1em}(6)}$$
  由此可得$Q_0$与$Q_1$间的类间方差${\sigma }^2$为：
$${\sigma }^2={\omega }_0{\omega }_1({\mu }_0-{\mu }_1{)}^2\text{\hspace{1em}(7)}$$
  求得使类间方差最大的像素值$t$即为最优阈值，据此便可对原始图像进行二值分割处理

2、参考文献

[1] 黄艳国,钟勇,饶泽浩. 基于优化最大类间方差法阈值分割与滑动窗口法的车道偏离预警 [J]. 汽车技术, 2023, (06): 9-16.

二、代码实现

clc;
clear;

%% -------------------------------读取图像---------------------------------
img = imread("Y.png");
figure;
imshow(img);
title("原始图像");
hold on;
%% -----------------------------将图像灰度化-------------------------------
grayImg = rgb2gray(img);
figure;
imshow(grayImg);
title("灰度图像");
hold on;
%% -----------------------------OTSU二值化---------------------------------
threshold = OtsuProcess(grayImg);
grayImg(grayImg<=threshold) = 0;
figure;
imshow(grayImg);
title("二值化");
hold off


function[optimal_threshold] = OtsuProcess(img)
    [row, col] = size(img);
    K = row * col;                  % 像素总数为K
    t = -1;
    for i=0:255                     % 对应灰度级i，灰度级数量L=255
        Q0 = sum(sum(img<i));       % 前景Q0
        Q1 = K - Q0;                % 后景Q1
        w0 = Q0 / K;                % 前景类概率w0
        w1 = 1 - w0;                % 后景类概率w1
        u0 = sum(img(img<i)) / Q0;  % 前景平均灰度值μ0
        u1 = sum(img(img>=i)) / Q1; % 后景平均灰度值μ1
        g = w0* w1* (u0 - u1)^ 2;   % Q0与Q1间的类间方差σ2
        if g > t                    % 求得使类间方差最大的像素值t即最优阈值
            t = g;
            optimal_threshold = i;
        end
    end
end

三、结果展示