matlab实现大律法,Otsu算法(大律法或最大类间方差法)

Otsu算法(大律法或最大类间方差法)

(2013-03-07 10:54:02)

Otsu算法(大律法或最大类间方差法)

一、Otsu最大类间方差法原理

利用阈值将原图像分成前景，背景两个图象。

前景：用n1,csum,m1来表示在当前阈值下的前景的点数，质量矩，平均灰度

后景：用n2,sum-csum,m2来表示在当前阈值下的背景的点数，质量矩，平均灰度

当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准，而在otsu算法中这个衡量差别的标准就是最大类间

方差(英文简称otsu，这也就是这个算法名字的来源)，在本程序中类间方差用sb表示，最大类间方差用fmax

关于最大类间方差法(otsu)的性能:

类间方差法对噪音和目标大小十分敏感，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，类间方差准则函数可能呈现双峰或多峰，此时效果不好，但是类间方差法是用时最少的。

最大类间方差法(otsu)的公式推导：

记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。

则图像的总平均灰度为：u=w0*u0+w1*u1。

前景和背景图象的方差：g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1),此公式为方差公式。

可参照概率论课本上面的g的公式也就是下面程序中的sb的表达式。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sb= w1*w2*(u1-u0)*(u0-u1)

算法实现1：

unsafepublicintGetThreshValue(Bitmapimage)

{

BitmapDatabd=image.LockBits(new Rectangle(0,0,image.Width,

image.Height), ImageLockMode.WriteOnly, image.PixelFormat);

byte*pt=(byte*)bd.Scan0;

int[] pixelNum=newint[256]; //图象直方图，共256个点

bytecolor;

byte*pline;

int n,