OTSU学名叫做最大类间方差方法,是一个叫大津的日本人发明的,所以又叫做大津法。这个方法主要用来进行灰度图像的自动阈值查找。这里面最关键的概念应该就是类间方差。方差我们都知道,就是刻画随机向量中的所有变量和中心偏移程度的,而这个类间方差,就是在方差的基础上添加了“类间”两个字,意思就是用这个方差在目标和背景这两个类之间刻画偏移程度。
我们从应用角度来探讨一下。比如我们有一个阈值T,这个T可以对图像做二值化操作,将目标从背景中分割出来,那么这个T应该怎么查找呢?我们下面尽可能细致的介绍这个过程。
假设图像的尺寸是W*H,那么图像总点数就是W*H,也就是整个概率空间,也理解为概率全集。那么目标像素个数我们定义为n0,背景像素个数我们定义为n1,可见n0+n1 = W*H。
进一步,我们定义w0是目标像素个数占整个图像总点数的比例,即w0 = n0 / (W * H)。w1定义为背景像素个数占整个图像总点数的比例,即w1 = n1 / (W*H0),可见w0 + w1 = 1。
以上属于点数的概率定义,下面我们进行灰度值的相关定义。我们将u0定义为目标的平均灰度,也就是u0 = n0灰度值的累加值/n0,u1定义为背景的平均灰度,也就是u1= n1灰度值的累加值/n1。同样的,整个图像的平均灰度定义为u = (n0灰度值的累加值 + n1灰度值的累加值)/(W * H)。
这些概念定义完之后,我们就可以定义类间方差g = w0