1 简介
Otsu算法,即大津算法,最大类间方差算法,由日本人大津展之提出。大津二值化法用来自动对基于聚类的图像进行二值化, 或者说,将一个灰度图像退化为二值图像。
算法假定该图像根据双模直方图(前景像素和背景像素)包含两类像素,于是它要计算能将两类分开的最佳阈值,使得它们的类内方差最小;由于两两平方距离恒定,所以即它们的类间方差最大。因此,大津二值化法粗略的来说就是一维Fisher判别分析的离散化模拟。(这段来自wikipedia)
2 算法原理
在大津算法中,我们穷举搜索能使类内方差最小的阈值,定义为两个类的方差的加权和:
σ w 2 ( t ) = ω 1 ( t ) σ 1 2 ( t ) + ω 2 ( t ) σ 2 2 ( t ) \sigma _{w}^{2}(t) = \omega _{1}(t) \sigma _{1}^{2}(t)+\omega _{2}(t)\sigma _{2}^{2}(t) σw2(t)=ω1(t)σ12(t)+ω2(t)σ22(t)
权重 ω i \omega_{i} ωi是被阈值 t t t 分开后两个类的概率,而 σ i 2 \sigma_{i}^{2}