otsu算法_常用图像阈值分割算法

 阈值分割法可以说是图像分割中的经典方法，它利用图像中要提取的目标与背景在灰度上的差异，通过设置阈值来把像素级分成若干类，从而实现目标与背景的分离。

    一般流程：通过判断图像中每一个像素点的特征属性是否满足阈值的要求，来确定图像中的该像素点是属于目标区域还是背景区域，从而将一幅灰度图像转换成二值图像。

用数学表达式来表示，则可设原始图像f(x,y),T为阈值，分割图像时则满足下式：

                         

按照阈值确定的来源，可以分成：

人工经验选择法；直方图方法；类间方差法；自适应阈值等。

按照阈值确定中的运算范围，可以分为全局阈值法，局部阈值法。

下面对各种方法进行混合展示：

第一类：全局阈值处理

图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。难点在于如何选择一个合适的阈值实现较好的分割。

0.直接按照经验给定阈值

我们自己根据需要处理的图像的先验知识，对图像中的目标与背景进行分析。

*PDB文件问题

程序所依赖的所有动态链接库(dll 文件)也会被编译，编译过程中每个 dll 都会产生一个pdb文件，又称为“符号文件”，是一个存储数据的信息文件，其包含 dll 库在编译过程的某些调试信息，例如程序中所用到的全局变量、局部变量、函数名以及他们的入口地址等。

http://c.biancheng.net/view/474.html

1.基本全局阈值

这个也是直方图的方法：利用直方图进行分析，并根据直方图的波峰和波谷之间的关系，选择出一个较好的阈值。这样方法，准确性较高，但是只对于存在一个目标和一个背景的，且两者对比明显的图像，且直方图是双峰的那种最有价值。

2. 边缘改进全局阈值

3.用拉普拉斯边缘信息改进全局阈值处理

4. 最大类间方差法(OTSU)

    OTSU是一种使用最大类间方差的自动确定阈值的方法。是一种基于全局的二值化算法，它是根据图像的灰度特性,将图像分为前景和背景两个部分。当取最佳阈值时，两部分之间的差别应该是最大的，在OTSU算法中所采用的衡量差别的标准就是较为常见的最大类间方差。前景和背景之间的类间方差如果越大，就说明构成图像的两个部分之间的差别越大，当部分目标被错分为背景或部分背景被错分为目标，都会导致两部分差别变小，当所取阈值的分割使类间方差最大时就意味着错分概率最小。

    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，图像的总平均灰度为u，前景和背景图象的方差g，则有：

                                              

联立上式得：