撸了一份 ostu二值化，需要的小伙伴请拿走

小发言

本着从来不写水文的态度，一份二值化来了。
本份代码完全自写，由于要输入输出图片，故采用的是matlab语言，但是除了使用imread()和imshow()函数之外，所有代码全部是自己写的，并且与matlab自带库函数做了对比。这样的话，也方便了大家用C移植，如果搞懂原理的话，移植也就是20分钟的事。

上来就整原理

$T$：阈值
$n_0$：小于阈值的像素，也就是前景
$n_1$：大于阈值的像素，也就是背景
$h$：图像高 $w$：图像宽
$n_0+n_1=h\times w=N$

$w_0=\frac{n_0}{N}$：前景像素占总数比

$w_1=\frac{n_1}{N}$：背景像素占总数比
$w_0+w_1=1$
$u_0$：前景平均灰度
$u_1$：背景平均灰度
$u$：整幅图像平均灰度
$u=w_0{u}_0+w_1{u}_1$
$g$：类间方差
$g=w_0(u_0-u{)}^2+w_1(u_1-u{)}^2$
化简
$g=w_0{w}_1(u_0-u_1{)}^2$

当类间方差最大时。此时的灰度值就是我们需要求得最佳阈值。因此只需要对每个灰度值依次遍历，并计算g值，加以比较从而求出最适阈值。

干货从这里开始

首先读取图片

y_img=imread("pic.jpg");
imshow(y_img);

然后转换为灰度

h_img：灰度图像

h_img=rgb2gray(y_img);
imshow(h_img);

绘制灰度直方图

[h,w]=size(h_img);
N=h*w;

直方图统计并绘出直方图
对于这里的h_img(i,j)+1 做个特别说明，是由于在matlab 里面，数组的索引是从1开始的，没有0，而对于灰度值（0到255）来说，是有0的，因此用Histogram(1)表示灰度值为0的像素点个数，同样，用Histogram(256)表示灰度值为255的像素点个数。

Histogram=zeros(1,256);
for i=1:h
    for j=1:w
        Histogram(h_img(i,j)+1)=Histogram(h_img(i,j)+1)+1;
    end
end
createfigure(Histogram);%自定义绘制直方图函数

求总的灰度值

graySum=0;
for i=1:256
    graySum = graySum + Histogram(i)*(i-1);
end

计算最佳阈值

n0=0;
n0sum=0;
temp=0;
for i=1:256
    n0 =n0+ Histogram(i);  %阈值为i时前景个数
    n1 = N - n0;      %阈值为i时背景个数
    w0 = n0/N; %前景像素占总数比
    w1 = n1/N;%背景像素占总数比
    if n0==0
        continue
    end
    if n1==0
        break
    end
    %前景平均灰度
    n0sum = n0sum+Histogram(i)*(i-1);
    u0 = n0sum/n0;
    %背景平均灰度
    n1sum = graySum-n0sum;
    u1 = n1sum/n1;
    g = w0*w1*(u0-u1)*(u0-u1);
    if g > temp  
         temp = g;
         T = i-1;   
    end
end

比较，进行二值化

bw=zeros(h,w);
for i=1:h
    for j=1:w
        if h_img(i,j)>T
            bw(i,j)=255;
        else
            bw(i,j)=0;
        end
    end
end
imshow(bw)

matlab自带二值化

t1=graythresh(h_img);
F=imbinarize(h_img,t1);
imshow(F)

总结

把自己写的二值化与matlab自带的比较，可见两者几乎完全一样，可见效果还是很好的。对于二值化，方法还有好几种，我这里只是选了一种应用最广的大津法进行了介绍，至于对于特定的场合，不同的二值化有着不同的效果，因此，至于怎样用，还是靠各位小伙伴深入探究了。后续可能会对各种二值化方法一一介绍哦，还是那句话，要么就不写，绝不写水文。想要获取完整代码的小伙伴，请在文末留言。

欢迎关注本人公众号
$$Decode技术站$$