文章来源:http://blog.csdn.net/WuHaibing_CVer
OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法。
1. OTSU算法原理简介
对于一幅图像,设当前景与背景的分割阈值为t时,前景点占图像比例为w0,均值为u0,背景点占图像比例为w1,均值为u1。则整个图像的均值为u = w0*u0+w1*u1。建立目标函数g(t)=w0*(u0-u)^2+w1*(u1-u)^2,g(t)就是当分割阈值为t时的类间方差表达式。OTSU算法使得g(t)取得全局最大值,当g(t)为最大时所对应的t称为最佳阈值。OTSU算法又称为最大类间方差法。
2.OTSU算法例程
下面是OSTU算法的C语言代码及其测试,代码基于opencv。下面是上述代码的运行结果图片。其中左边为原图像,右边为使用OTSU算法进行二值化后的图像。#include <cv.h> #include <highgui.h> int otsu(IplImage *image) { assert(NULL != image); int width = image->width; int height = image->height; int x=0,y=0; int pixelCount[256]; float pixelPro[256]; int i, j, pixelSum = width * height, threshold = 0; uchar* data = (uchar*)image->imageData; //初始化 for(i = 0; i < 256; i++) { pixelCount[i] = 0; pixelPro[i] = 0; } //统计灰度级中每个像素在整幅图像中的个数 for(i = y; i < height; i++) { for(j = x;j <width;j++) { pixelCount[data[i * image->widthStep + j]]++; } } //计算每个像素在整幅图像中的比例 for(i = 0; i < 256; i++) { pixelPro[i] = (float)(pixelCount[i]) / (float)(pixelSum); } //经典ostu算法,得到前景和背景的分割 //遍历灰度级[0,255],计算出方差最大的灰度值,为最佳阈值 float w0, w1, u0tmp, u1tmp, u0, u1, u,deltaTmp, deltaMax = 0; for(i = 0; i < 256; i++) { w0 = w1 = u0tmp = u1tmp = u0 = u1 = u = deltaTmp = 0; for(j = 0; j < 256; j++) { if(j <= i) //背景部分 { //以i为阈值分类,第一类总的概率 w0 += pixelPro[j]; u0tmp += j * pixelPro[j]; } else //前景部分 { //以i为阈值分类,第二类总的概率 w1 += pixelPro[j]; u1tmp += j * pixelPro[j]; } } u0 = u0tmp / w0; //第一类的平均灰度 u1 = u1tmp / w1; //第二类的平均灰度 u = u0tmp + u1tmp; //整幅图像的平均灰度 //计算类间方差 deltaTmp = w0 * (u0 - u)*(u0 - u) + w1 * (u1 - u)*(u1 - u); //找出最大类间方差以及对应的阈值 if(deltaTmp > deltaMax) { deltaMax = deltaTmp; threshold = i; } } //返回最佳阈值; return threshold; } int main(int argc, char* argv[]) { IplImage* srcImage = cvLoadImage("D:\\technology\\CV\\Database\\image\\rice.png",0); assert(NULL != srcImage); cvNamedWindow("src"); cvShowImage("src",srcImage); IplImage* biImage = cvCreateImage(cvGetSize(srcImage),8,1); //计算最佳阈值 int threshold = otsu(srcImage); //对图像二值化 cvThreshold(srcImage,biImage,threshold,255,CV_THRESH_BINARY); cvNamedWindow("binary"); cvShowImage("binary",biImage); cvWaitKey(0); cvReleaseImage(&srcImage); cvReleaseImage(&biImage); cvDestroyWindow("src"); cvDestroyWindow("binary"); return 0; }
————————————————————我是分割线————————————————————————以上为转载部分。以下为另一种表述:OSTU算法目的就是计算出一连通区域的阈值,然后对该区域二值化。
数学描述为:令连通区域S,其中象素灰度范围为[0,255],点(x,y)的灰度表示为I(x,y),灰度级x的点的概率为P(x);则OSTU就是求下式达到最大值的灰度级m。
可以证明:
w0*(u0-u)^2+w1*(u1-u)^2与上图公式,这两者是等价的。
而显然,第二种方式经过了简化,减少了计算机的工作量,这对于图像处理来说是好的。
PS:此算法的简称为OTSU,而很多地方很多论文中均写作OSTU,这是错误的。