最大类间方差法(OTSU)

http://blog.sina.com.cn/s/blog_5f99444c010136e7.html

 

最大类间方差法（otsu）的原理：

        阈值将原图象分成前景，背景两个图象。

        前景：用n1,csum,     m1来表示在当前阈值下的前景的点数，质量矩，平均灰度

        后景：用n2, sum-csum, m2来表示在当前阈值下的背景的点数，质量矩，平均灰度

        当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准

        而在otsu算法中这个衡量差别的标准就是最大类间方差（英文简称otsu，这也就是这个算法名字的来源）

        在本程序中类间方差用sb表示，最大类间方差用fmax

        关于最大类间方差法（otsu）的性能:

        类间方差法对噪音和目标大小十分敏感，它仅对类间方差为单峰的图像产生较好的分割效果。

        当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时效果不好，但是类间方差法是用时最少的。

        最大最大类间方差法（otsu）的公式推导：

        记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。

        则图像的总平均灰度为：u=w0*u0+w1*u1。

        前景和背景图象的方差：g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1),此公式为方差公式，可参照概率论课本

        上面的g的公式也就是下面程序中的sb的表达式

        当方差g最大时，可以认为此时前景和背景差异最大，也就是此时的灰度是最佳阈值

 

unsafe public int GetThreshValue(Bitmap image)

        {

            BitmapData bd = image.LockBits(new Rectangle(0, 0, image.Width,image.Height), ImageLockMode.WriteOnly, image.PixelFormat);

            byte* pt = (byte*)bd.Scan0;

            int[] pixelNum = newint[256];           //图象直方图，共256个点

            byte color;

            byte* pline;

            int n, n1, n2;

            inttotal;                             //total为总和，累计值

            double m1, m2, sum, csum, fmax,sb;     //sb为类间方差，fmax存储最大方差值

            int k, t, q;

            int threshValue =1;                     //阈值

            int step = 1;

            switch (image.PixelFormat)

            {

                case PixelFormat.Format24bppRgb:

                    step = 3;

                    break;

                case PixelFormat.Format32bppArgb:

                    step = 4;

                    break;

                case PixelFormat.Format8bppIndexed:

                    step = 1;

                    break;

            }

            //生成直方图

            for (int i = 0; i < image.Height; i++)

            {

                pline = pt + i * bd.Stride;

                for (int j = 0; j < image.Width; j++)

                {

                    color = *(pline + j *step);   //返回各个点的颜色，以RGB表示

                    pixelNum[color]++;           //相应的直方图加1

                }

            }

            //直方图平滑化

            for (k = 0; k <= 255; k++)

            {

                total = 0;

                for (t = -2; t <= 2;t++)             //与附近2个灰度做平滑化，t值应取较小的值

                {

                    q = k + t;

                    if (q < 0)                     //越界处理

                        q = 0;

                    if (q >255)                    

                        q = 255;

                    total = total +pixelNum[q];   //total为总和，累计值

                }

                pixelNum[k] = (int)((float)total / 5.0 +0.5);   //平滑化，左边2个+中间1个+右边2个灰度，共5个，所以总和除以5，后面加0.5是用修正值

            }

            //求阈值

            sum = csum = 0.0;

            n = 0;

            //计算总的图象的点数和质量矩，为后面的计算做准备

            for (k = 0; k <= 255; k++)

            {

                sum += (double)k *(double)pixelNum[k];     //x*f(x)质量矩，也就是每个灰度的值乘以其点数（归一化后为概率），sum为其总和

                n +=pixelNum[k];                       //n为图象总的点数，归一化后就是累积概率

            }

             

            fmax =-1.0;                         //类间方差sb不可能为负，所以fmax初始值为-1不影响计算的进行

            n1 = 0;

            for (k = 0; k < 255;k++)                 //对每个灰度（从0到255）计算一次分割后的类间方差sb

            {

                n1 +=pixelNum[k];               //n1为在当前阈值遍前景图象的点数

                if (n1 == 0) { continue;}           //没有分出前景后景

                n2 = n -n1;                       //n2为背景图象的点数

                if (n2 == 0) { break;}               //n2为0表示全部都是后景图象，与n1=0情况类似，之后的遍历不可能使前景点数增加，所以此时可以退出循环

                csum += (double)k *pixelNum[k];   //前景的“灰度的值*其点数”的总和

                m1 = csum /n1;                     //m1为前景的平均灰度

                m2 = (sum - csum) /n2;               //m2为背景的平均灰度

                sb = (double)n1 * (double)n2 * (m1 - m2) * (m1 -m2);   //sb为类间方差

                if (sb >fmax)                 //如果算出的类间方差大于前一次算出的类间方差

                {

                    fmax =sb;                   //fmax始终为最大类间方差（otsu）

                    threshValue =k;             //取最大类间方差时对应的灰度的k就是最佳阈值

                }

            }

            image.UnlockBits(bd);

            image.Dispose();

            return threshValue;

        }