# 基于探路者算法优化的otsu图像多阈值分割

3593 篇文章 369 订阅
658 篇文章 12 订阅

## 智能优化算法应用：基于探路者算法的Otsu图像多阈值分割-附代码

### 1.Otsu阈值分割法原理

Otsu 阈值分割法是日本学者 Otsu 提出来的。假设图像大小为 M × N M × N ，图像灰度级范围为 ［ 0 ， L － 1 ］ ［0，L － 1］ n i n_i 为图像灰度级 i i 的像素点数，灰度级 i i 出现的概率为: p i = n i / ( M × N ) p_i = n_i /(M × N) ;对于单阈值分割，图像被分割为两类，灰度级为 ［ 0 ， T ］ ［0，T］ 的像素点归为 C 0 C_0 类，灰度级为 ［ T + 1 ， L － 1 ］ ［T + 1，L － 1］ 的像素点为 C 1 C_1 类。设 P 0 ( T ) 、 P 1 ( T ) P_0 (T)、P_1 (T) 分别表示 C 0 C_0 类和 C 1 C_1 类的出现的概率; u 0 ( T ) ， u 1 ( T ) u_0 (T)，u_1 (T) 表示 C 0 C_0 类和 C 1 C_1 类的平均灰度级。则有:
P 0 ( T ) = ∑ i = 0 T p i (1) P_0(T)=\sum_{i=0}^{T}p_i\tag{1}

P 1 ( T ) = ∑ i = T + 1 L − 1 p i = 1 − P 0 ( T ) (2) P_1(T)=\sum_{i=T+1}^{L-1}p_i = 1 - P_0(T)\tag{2}

u 0 ( T ) = ∑ i = 0 T ( i p i P 0 ( T ) ) (3) u_0(T)=\sum_{i=0}^T(i\frac {p_i}{P_0(T)})\tag{3}

u 1 ( T ) = ∑ i = T + 1 L − 1 ( i p i P 1 ( T ) ) (4) u_1(T)=\sum_{i=T+1}^{L-1}(i\frac {p_i}{P_1(T)})\tag{4}

u = ∑ i = 1 L i p i = P 0 ( T ) u 0 ( T ) + P 1 ( T ) u 1 ( T ) (5) u = \sum_{i=1}^{L}ip_i=P_0(T)u_0(T)+P_1(T)u_1(T)\tag{5}

δ b 2 ( T ) = P 0 ( T ) ( u 0 ( T ) − u ) 2 + P 1 ( T ) ( u 1 ( T ) − u ) 2 (6) \delta_b^2(T)=P_0(T)(u_0(T) -u)^2+P_1(T)(u_1(T)-u)^2\tag{6}

δ w 2 ( T ) = P 0 ( T ) u 0 2 ( T ) + P 1 ( T ) u 1 2 ( T ) (7) \delta_w^2(T)=P_0(T)u_0^2(T)+P_1(T)u_1^2(T)\tag{7}

T ∗ = a r g m a x ( l ≤ T < L ) { δ b 2 ( T ) } (8) T^* = argmax_{(l\leq T<L)} \{\delta_b^2(T) \}\tag{8}

T ∗ = a r g m i n ( l ≤ T < L ) { δ w 2 ( T ) } (9) T^* = argmin_{(l\leq T<L)} \{\delta_w^2(T) \}\tag{9}

P k = ∑ i = T k T k + 1 − 1 p i (10) P_k = \sum_{i=T_k}^{T_{k+1}-1}p_i\tag{10}

u k = 1 P k P k ∑ i = T k T k + 1 − 1 i p i (11) u_k=\frac{1}{P_k}P_k\sum_{i=T_k}^{T_{k+1}-1}ip_i\tag{11}

δ k 2 = ∑ i = T k T k + 1 − 1 ( i − u k ) 2 p i P k (12) \delta_k^2=\sum_{i=T_k}^{T_{k+1}-1}(i-u_k)^2\frac{p_i}{P_k}\tag{12}

δ b 2 = ∑ i = 0 n − 1 P i δ i 2 (13) \delta_b^2=\sum_{i=0}^{n-1}P_i\delta_i^2\tag{13}

{ T 1 ∗ , T 2 ∗ , . . . , T n − 1 ∗ } = a r g m a x ( l ≤ T < L ) { δ b 2 } (14) \{T_1^*,T_2^*,...,T_{n-1}^*\} =argmax_{(l\leq T<L)} \{\delta_b^2 \} \tag{14}

{ T 1 ∗ , T 2 ∗ , . . . , T n − 1 ∗ } = a r g m i n ( l ≤ T < L ) { δ w 2 } (15) \{T_1^*,T_2^*,...,T_{n-1}^*\} =argmin_{(l\leq T<L)} \{\delta_w^2 \} \tag{15}

### 2.基于探路者优化的多阈值分割

f u n { T 1 ∗ , T 2 ∗ , . . . , T n − 1 ∗ } = a r g m a x ( l ≤ T < L ) { δ b 2 } (14) fun\{T_1^*,T_2^*,...,T_{n-1}^*\} =argmax_{(l\leq T<L)} \{\delta_b^2 \} \tag{14}

### 4.参考文献：

[1]袁小翠,黄志开,马永力,刘宝玲.Otsu阈值分割法特点及其应用分析[J].南昌工程学院学报,2019,38(01):85-90+97.

### 5.Matlab代码：

• 13
点赞
• 5
收藏
觉得还不错? 一键收藏
• 打赏
• 0
评论
01-20 187
08-08 711
07-01 280
07-30 255
03-24 195
08-24 748
08-21 907
12-18 307

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。