java大津法确定阈值,大津法阈值法代码

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

{

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;

}

原文：http://www.cnblogs.com/zxj015/p/3997518.html