最大类间方差法（大津法OTSU）

算法介绍

最大类间方差法是1979年由日本学者大津提出的，是一种自适应阈值确定的方法，又叫大津法，简称OTSU，是一种基于全局的二值化算法，它是根据图像的灰度特性,将图像分为前景和背景两个部分。当取最佳阈值时，两部分之间的差别应该是最大的，在OTSU算法中所采用的衡量差别的标准就是较为常见的最大类间方差。前景和背景之间的类间方差如果越大，就说明构成图像的两个部分之间的差别越大，当部分目标被错分为背景或部分背景被错分为目标，都会导致两部分差别变小，当所取阈值的分割使类间方差最大时就意味着错分概率最小[1]。

记T为前景与背景的分割阈值，前景点数占图像比例为$w_0$，平均灰度为$u_0$；背景点数占图像比例为$w_1$，平均灰度为$u_1$，图像的总平均灰度为$u$，前景和背景图象的方差，则有：
$$u=w_0\times u_0+w_1\times u_1$$
$$g=w_0\times (u_0-u{)}^2+w_1\times (u_1-u{)}^2$$
联立上面两式可得：
$$g=w_0\times w_1\times (u_0-u_1{)}^2$$
或
$$g=\frac{w_0}{1-w_0}\times (u_0-u{)}^2$$
当方差$g$最大时，可以认为此时前景和背景差异最大，此时的灰度T是最佳阈值。类间方差法对噪声以及目标大小十分敏感，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（例如受光照不均、反光或背景复杂等因素影响），类间方差准则函数可能呈现双峰或多峰，此时效果不好。直接用OTSU算法处理自然场景铭牌图片的部分结果实例如下：

$$图1.最大类间方差法二值化结果$$

代码实现

（C语言版，VS2012+opencv249）
注意，++和*的结合方式是由右向左，所以histogram[*p++]++ = (histogram[*(p++)])++

#include "stdio.h"
#include "cv.h"
#include "highgui.h"
#include "Math.h"

int Otsu(IplImage* src);

int main()
{
	IplImage* img = cvLoadImage("lena.jpg",0); //获取灰度图像img
	IplImage* dst = cvCreateImage(cvGetSize(img), 8, 1);
	int threshold = Otsu(img); //调用大津法求出最佳阈值
	printf("otsu threshold = %d\n", threshold);
	cvThreshold(img, dst, threshold, 255, CV_THRESH_BINARY); //用otsu的阈值二值化

	cvNamedWindow( "img", 1 );
	cvNamedWindow( "dst", 1 );
	cvShowImage("img", img);
	cvShowImage("dst", dst);


	cvWaitKey(-1);

	cvReleaseImage(&img);
	cvReleaseImage(&dst);
	
	cvDestroyWindow( "img" );
	cvDestroyWindow( "dst" );

	return 0;
}

int Otsu(IplImage* src)  
{  
	int height=src->height;  
	int width=src->width;      

	//histogram  
	float histogram[256] = {0};  
	for(int i=0; i < height; i++)
	{  
		unsigned char* p=(unsigned char*)src->imageData + src->widthStep * i;  
		for(int j = 0; j < width; j++) 
		{  
			histogram[*p++]++;  
		}  
	}  
	
	//normalize histogram & average pixel value 
	int size = height * width;  
	float u =0;
	for(int i = 0; i < 256; i++)
	{  
		histogram[i] = histogram[i] / size;  
		u += i * histogram[i];  //整幅图像的平均灰度
	}  

	int threshold;    
	float maxVariance=0;  
	float w0 = 0, avgValue  = 0;
	for(int i = 0; i < 256; i++) 
	{  
		w0 += histogram[i];  //假设当前灰度i为阈值, 0~i 灰度像素所占整幅图像的比例即前景比例
		avgValue  += i * histogram[i]; //avgValue/w0 = u0

		float t = avgValue/w0 - u;  //t=u0-u
		float variance = t * t * w0 /(1 - w0);  
		if(variance > maxVariance) 
		{  
			maxVariance = variance;  
			threshold = i;  
		}  
	}  

	return threshold;  
} 

代码运行结果：

$$图2.otsu程序运行结果$$

代码下载：http://download.csdn.net/detail/u011285477/9584189

博客链接：http://blog.csdn.net/u011285477/article/details/52004513

参考资料：
[1]Otsu N. A threshold selection method from gray-level histograms[J]. Automatica, 1975, 11(285-296): 23-27.