OTSU原理请参考:冈萨雷斯《数字图像处理(第三版)》P479~P482
笔者未采用Opencv的库函数,自行写的函数体,给初学者提供一个参考。
#include<iostream>
#include<opencv2/opencv.hpp>
using namespace cv;
using namespace std;
void OTSU(Mat& srcImg, Mat& dstImg)
//OTSU全局阈值处理(仅对灰度图像处理),把输入图像阈值化处理为两类C1和C2,然后二值化
{
//第一步,求p(i),图像中灰度为i的像素点的出现频率
static double MN = srcImg.rows * srcImg.cols; //输入图像总像素个数
static double p[256];
static double num[256]; //num[i]表示灰度为i的像素个数,加static修饰后函数运行完不会被释放
for (int i = 0; i < srcImg.rows; i++)
{
for (int j = 0; j < srcImg.cols; j++)
{
uchar* data = srcImg.ptr<uchar>(i);
num[data[j]]++; //统计各灰度级像素个数
}
}
for (int i = 0; i < 256; i++) //求p(i)
p[i] = num[i] / MN;
//第二步,求P1(k),像素被分到C1类的概率
static double P1[256]; P1[0] = p[0];
for (int k = 1; k < 256; k++)
{
P1[k] = P1[k - 1] + p[k];
// printf("P1[%d]=%lf ", k, P1[k]);
}
//第三步,求m(k),从0到K级的累加均值(平均灰度)
static double m[256]; m[0] = 0;
for (int k = 1; k < 256; k++)
m[k] = m[k - 1] + (k * p[k]);
//第四步,求mG, 整个图像的平均灰度(即全局均值)
static double mG;
double sum = 0;
for (int i = 0; i < 256; i++)
sum = sum + i * p[i];
mG = sum;
cout << "全局均值为:" << mG << endl;;
//第五步,求σ(k),类间方差
double σ[256]; σ[0] = 0;
for (int k = 1; k < 256; k++)
{
σ[k] = ((mG * P1[k] - m[k]) * (mG * P1[k] - m[k])) / (P1[k] * (1 - P1[k]));
// printf("σ[%d]=%lf ", k, σ[k]);
}
//第六步,求k*,最佳阈值
int k_best; //最佳阈值
int max = 0;
for (int k = 0; k < 256; k++)
if (σ[k] > σ[max]) max = k;
k_best = max;
cout << "最佳阈值为:" << k_best;
//第七步,二值化
for (int i = 0; i < srcImg.rows; i++)
{
for (int j = 0; j < srcImg.cols; j++)
{
uchar* data1 = srcImg.ptr<uchar>(i);
uchar* data2 = dstImg.ptr<uchar>(i); //
if (data1[j] <= k_best) data2[j] = 0;
else data2[j] = 255;
}
}
}
void main()
{
Mat srcImg = imread("lena.jpg", 0);
Mat dstImg = Mat::zeros(srcImg.rows, srcImg.cols, srcImg.type());
OTSU(srcImg, dstImg);
imshow("原图", srcImg);
waitKey(100);
imshow("", dstImg);
waitKey();
}
原图
运行结果