本文介绍了大津(OTSU)算法，一种用于图像二值化的阈值确定方法，旨在最大化背景和前景之间的类间方差。文章详细阐述了算法的公式推导步骤，并提供了使用Python的Pillow库实现OTSU算法进行图像灰度化和二值化的示例。此外，还提到了利用opencv库进行OTSU算法的实现，以及通过Matplotlib绘制图像像素统计图。
OTSU算法介绍
大津法（OTSU），由日本学者大津于1979年提出。
确定图像二值化分割的阈值，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）把包含两类像素，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。
按图像的灰度特性,将图像分成背景和前景两部分。
因方差是灰度分布均匀性的一种度量,背景和前景之间的类间方差越大,说明构成图像的两部分的差别越大.
对于图像Image，图像的大小为M×N
前景(即目标)和背景的分割阈值记作T
属于前景的像素点数占整幅图像的比例为w0，其平均灰度u0
属于背景的像素点数占整幅图像的比例为w1，其平均灰度u1
图像中像素的灰度值小于阈值T的像素个数记作n0
图像中像素的灰度值大于阈值T的像素个数记作n1
图像的总平均灰度记为u，类间方差记为g。
–算法公式推导步骤：
(1) w0=n0/ M×N #前景像素比例
(2) w1=n1/ M×N #背景像素比例
(3) n0+n1=M×N #总像素个数
(4) w0+w1=1 #总比例
(5) u=w0 * u0 + w1 * u1 #图像总平均灰度值
(6) g=w0 * (u0-u)
最低0.47元/天 解锁文章
扫一扫
2368
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
