当前位置：首页 > 编程日记 > 正文

图像二值化----otsu（最大类间方差法、大津算法）（二）

编程日记 2025-01-01 15:20:00

转自：http://blog.stevenwang.name/ostu-threshold-56002.html

OTSU算法也称最大类间差法，有时也称之为大津算法，被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响，因此在数字图像处理上得到了广泛的应用。它是按图像的灰度特性,将图像分成背景和前景两部分。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,当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。

设灰度图像灰度级是L，则灰度范围为[0,L-1]，利用OTSU算法计算图像的最佳阈值为：
t = Max[w0(t) * (u0(t) - u)^2 + w1(t) * (u1(t) - u)^2)]
其中的变量说明：当分割的阈值为t时，w0为背景比例，u0为背景均值，w1为前景比例，u1为前景均值，u为整幅图像的均值。
使以上表达式值最大的t，即为分割图像的最佳阈值。

以下是一段在OpenCV中实现的C语言程序，即一个使用OTSU算法提取图像阈值的函数，输入参数为一个图像指针，返回分割该图像的最佳阈值。

int otsuThreshold(IplImage *frame)
{
int width = frame->width;
int height = frame->height;
int pixelCount[GrayScale];
float pixelPro[GrayScale];
int i, j, pixelSum = width * height, threshold = 0;
uchar* data = (uchar*)frame->imageData;
for(i = 0; i < GrayScale; i++)
{
pixelCount[i] = 0;
pixelPro[i] = 0;
}
//统计灰度级中每个像素在整幅图像中的个数
for(i = 0; i < height; i++)
{
for(j = 0;j < width;j++)
{
pixelCount[(int)data[i * width + j]]++;
}
}
//计算每个像素在整幅图像中的比例
for(i = 0; i < GrayScale; i++)
{
pixelPro[i] = (float)pixelCount[i] / pixelSum;
}
//遍历灰度级[0,255]
float w0, w1, u0tmp, u1tmp, u0, u1, u, 
deltaTmp, deltaMax = 0;
for(i = 0; i < GrayScale; i++)
{
w0 = w1 = u0tmp = u1tmp = u0 = u1 = u = deltaTmp = 0;
for(j = 0; j < GrayScale; j++)
{
if(j <= i)   //背景部分
{
w0 += pixelPro[j];
u0tmp += j * pixelPro[j];
}
else   //前景部分
{
w1 += pixelPro[j];
u1tmp += j * pixelPro[j];
}
}
u0 = u0tmp / w0;
u1 = u1tmp / w1;
u = u0tmp + u1tmp;
deltaTmp = 
w0 * pow((u0 - u), 2) + w1 * pow((u1 - u), 2);
if(deltaTmp > deltaMax)
{
deltaMax = deltaTmp;
threshold = i;
}
}
return threshold;
}

https://www.dkcj.cn/info/34396.html

图像二值化----otsu（最大类间方差法、大津算法）（二）

相关文章：

android同时使用多个library时的问题

C#版 - Leetcode49 - 字母异位词分组 - 题解

来学习几个简单的Hive函数吧！

OpenCV编程案例：使用轮廓函数检测连通区域

[译]Web Inspector开始支持CSS区域

这或许是东半球分析十大排序算法最好的一篇文章

opencv使用cvFindContours提取联通域

朱晔的互联网架构实践心得S1E9：架构评审一百问和设计文档五要素

Mail Archiving Expert电子邮件归档专家

C++中MessageBox的常见用法

对标Mobileye！百度Apollo公布L4级自动驾驶纯视觉解决方案Apollo Lite

后台服务项目的白盒测试之旅

【自然框架 NatureFW】里的两种“映射”方式

ordfilt2函数功能说明

今晚直播写代码｜英伟达工程师亲授如何加速YOLO目标检测

TensorFlow Lite：TensorFlow在移动设备与嵌入式设备上的轻量级跨平台解决方案 | Google 开发者大会 2018...

热烈庆祝“mysql 集群数据库架构成功”

352万帧标注图片，1400个视频，亮风台推最大单目标跟踪数据集

centos7中nfs文件系统的使用

在图像变换中用最小二乘法求解仿射变换参数

showModalDialog关闭子窗口，并刷新父窗口

cvDrawContours：在图像上绘制外部和内部轮廓

Python最抢手、Go最有前途，7000位程序员揭秘2019软件开发现状

main函数参数

转载 load-on-startup的用法

商汤62篇论文入选CVPR 2019，一览五大方向最新研究进展

cvSaveImage保存图像

软工实践原型设计——PaperRepositories

nagios+sendmail配置

真正的博士是如何参加AAAI, ICML, ICLR等AI顶会的？