12.图像二值化（OTSU和TRIANGLE自动阈值推导）

别叭叭儿—好好学

于 2023-07-22 12:31:50 发布

阅读量639

点赞数

分类专栏： c++ opencv学习文章标签： opencv 图像处理 c++

本文链接：https://blog.csdn.net/twnkie/article/details/131865488

版权

c++ opencv学习专栏收录该内容

99 篇文章 14 订阅

订阅专栏

本文介绍了大律法（OtsusMethod）和三角法（TriangleMethod）两种全局阈值的图像二值化方法，它们通过分析图像灰度直方图选择最佳阈值。大律法基于最小化类间方差，而三角法依赖直方图的单峰特性。在OpenCV中，可以使用相应函数实现这两种算法，适用于边缘检测和目标分割等场景。

摘要由CSDN通过智能技术生成

1 概念讲解

2 数学原理及数学推导公式

2.1 大律法（Otsu's Method）

2.2 三角法（Triangle Method）

3 代码实现

1 概念讲解

大律法（OTSU）和三角法（TRIANGLE）都是基于全局阈值的图像二值化方法，它们通过计算图像灰度直方图的特征值来选择一个合适的全局阈值，将图像转换为二值图像。这两种方法可以广泛应用于边缘检测、目标分割、图像处理等领域。

2 数学原理及数学推导公式

2.1 大律法（Otsu's Method）

大律法基于最小化类间方差的原则选择全局阈值。具体数学原理和推导如下：

假设图像的灰度级别为L，对应的概率密度函数为 $p(i)$ ，定义总平均灰度为 $u(T)$ ，背景0的概率为 $w_{0}(t)$ ，前景1的概率为 $w_{1}(t)$ ，背景0的平均灰度为 $u_{0}(t)$ ，前景1的平均灰度为 $u_{1}(t)$ 。

背景0：[0, t]，前景1：(t, L-1]。

背景0的概率： $w_{0}(t) = \sum_{i=0}^{t}p(i)$

前景1的概率： $w_{1}(t) = \sum_{i=t+1}^{L-1}p(i)$

背景0的平均灰度： $u_{0}(t) = (\sum_{i=0}^{t}p(i))/w_{0}(t)$

前景1的平均灰度： $u_{1}(t) = (\sum_{i=1}^{L-1}p(i))/w_{1}(t)$

总平均灰度： $u(T) = \sum_{i=0}^{L-1}(i*p(i))$

则类间方差可表示为： $\sigma ^{2}=w_{0}(t)*w_{1}(t)*(u_{0}(t)-u_{1}(t))^{2}$

大律法选择使类间方差最大的阈值 $t$ 作为全局阈值。

在opencv中利用cv::threshold(image, otsuBinaryImage, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU)来使用OTSU算法。

2.2 三角法（Triangle Method）

三角法基于直方图中的三角形特性选择全局阈值。具体数学原理如下：

对图像的灰度直方图进行归一化处理，得到直方图函数h(i)，其中i为灰度级别。通过连接(0,0)和(L-1, h(L-1))两点，形成直方图的边界线段。在直方图上从最高峰处bmx到最暗对应直方图bmin构造一条直线，从bmin处开始计算每个对应的直方图b到直线的垂直距离，直到bmax为止，其中最大距离对应的直方图位置即为图像二值化对应的阈值T。

在opencv中利用cv::threshold(image, otsuBinaryImage, 0, 255, cv::THRESH_BINARY | cv::THRESH_TRIANGLE)来使用三角法算法。三角法适用于灰度直方图为单峰的图像。

3 代码实现

下面是一个示例代码，展示了如何使用OpenCV C++进行大律法和三角法图像二值化的代码实现：

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // 读取灰度图像
    cv::Mat image = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);

    // 定义变量存储大律法和三角法的二值化结果
    cv::Mat otsuBinaryImage, triangleBinaryImage;

    // 执行大律法的二值化操作
    cv::threshold(image, otsuBinaryImage, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);

    // 执行三角法的二值化操作
    double triangleThreshold = cv::threshold(image, triangleBinaryImage, 0, 255, cv::THRESH_BINARY | cv::THRESH_TRIANGLE);

    // 显示原图和二值化结果
    cv::imshow("Original Image", image);
    cv::imshow("Otsu's Binary Image", otsuBinaryImage);
    cv::imshow("Triangle Binary Image", triangleBinaryImage);
    cv::waitKey(0);

    return 0;
}