自动计算阈值方法-Otsu法（大津法/最大类间方差法）

对自动计算阈值的分割算法Otsu进行分析，参考：https://blog.csdn.net/liyuanbhu/article/details/49387483等资料。

      Otsu法也称为大津法或最大类间方差法，算法的基本原理是假设检测图像由前景和背景部分组成，通过统计学方法计算选取出阈值，使得这个阈值可以将前景和背景最大程度的区分开。

      任意选取一个阈值t将图像分为两部分（前景和背景），前景像素点占图像的比例为W0、均值为U0，背景像素点占图像的比例为W1、均值为U1，图像整体的均值为U= W0* U0+ W1* U1，建立目标函数g(t)= W0*（U0-U）^2+ W1*( U1-U)^2，g(t)即为当分割阈值为t时的类间方差。Otsu算法使得g(t)最大时所对应的t为最佳阈值（遍历不同阈值下[0,255]）。

      例如下图，灰度直方图如右图所示：

   

我们遍历阈值为0-255时，g(t)的结果值并绘图，最大值在t=122位置处，则阈值为122时是最佳的分割阈值。

                                                

（1）halcon算子

Image为输入图像，Region为提取的区域，UsedThreshold为阈值结果。

（2）matlab函数

T=graythresh(Image)；BW=im2bw(Image,T);

Image为输入图像，BW为二值化后的图像。T为阈值结果。

（3）opencv函数

threshold函数，将第五个参数设置为CV_THRESH_OTSU。

 

      Otsu算法适合于直方图为双峰直方图的图像。若目标与背景图像还存在较大的干扰时，该算法会分割出错误的目标；或当目标与背景的大小比例悬殊时，g(t)函数可能出现双峰或多峰，分割效果不好。

      例如下图，提取到了干扰区域，因为干扰区域在灰度直方图上出现了一个波峰，目标区域的波峰与背景被分在一起。