Opencv3 OTSU全局阈值处理 代码实现

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