matlab全局阈值ostu,10.3.3 使用Otsu's方法的最佳全局阈值处理（1）

10.3.3  使用Otsu's方法的最佳全局阈值处理(1)

令一幅图像的直方图成分由下式表示：

其中，n是图像中像素的总数，nq是灰度级为q的像素数目，L是图像中所有可能的灰度级数(记住，灰度级是整数值)。现在，假设阈值k已经选定了，C1是一组灰度级为[0,1,2,…,k]的像素，C2是一组灰度级为[k+1,…,L-1]的像素。Otsu's为最佳方法，在某种意义上，选择阈值k，最大类间方差 定义为：

这里， 是集合C1发生的概率：

例如，如果设置k＝0，那么拥有为k赋值的任何像素C1集合的概率为0，类似的，集合C2发生的概率是：

和 分别是集合C1和C2中像素的平均灰度。 是全局均值(整个图像的平均灰度)：

此外，直到灰度级k的平均灰度由下式给出：

展开 的表达式，并使用 这一事实，我们可以把类间方差写成：

这个式子在计算上稍微有效一些，因为对于所有的k值来说，只有两个参数m和P1必须计算(mG只计算一次)。将类间方差最大化的想法是：方差较大，完全分割一幅图像的阈值将会更接近。注意，这个最佳度量完全基于参数，它可以直接从图像的直方图得到。另外，因为k是处于范围[0,L -1]内的整数，所以寻找 的最大值是很简单的事情。我们一步步通过k的L个可能值，并在每一步计算方差。然后，选择给出 最大值的k。这个k就是最佳阈值。如果最大值不唯一，那么所用的阈值是找到的所有最佳k值的平均。类间方差对总的图像灰度方差的比率，是把图像灰度分为两类(也就是物体和背景)的可分性度量：

可用如下范围来显示：

其中，k是最佳阈值。该度量可用于使恒定图像(像素完全不可以分成两类)达到最小值，还可用于使二值图像(像素完全可分)达到最大值。

工具箱函数graythresh用于计算Otsu's阈值。语法是：

[T, SM] = graythresh(f)

在这里，f是输入图像，T是产生的阈值并被规一化到[0,1]中，SM是可分性度量。正如前面说明的那样，函数im2bw用来分割图像。

【责任编辑：book TEL：(010)68476606】

点赞 0