大津法阈值原理
(2012-12-08 10:55:39)
标签:
杂谈 |
分类: opencv |
最大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定的方法,又叫大津
法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差
越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2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。
对于图像I(x,y),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
例记为ω0,其平均灰度μ0;背景像素点数占整幅图像的比例为ω1,其平均灰度为μ1。图像的总平均
灰度记为μ,类间方差记为g。
假设图像的背景较暗,并且图像的大小为M×N,
图像中像素的灰度值小于阈值T的像素个数记作N0,像素灰度大于阈值T的像素个数记作N1,则有:
ω0=N0/ M×N (1)
ω1=N1/ M×N (2)
N0+N1=M×N (3)
ω0+ω1=1 (4)
μ=ω0*μ0+ω1*μ1 (5)
g=ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6)
将式(5)代入式(6),得到等价公式:
g=ω0ω1(μ0-μ1)^2
(7)
采用遍历的方法得到使类间方差最大的阈值T,即为所求。
int Otsu(long *pg,long *pg1)
//
大津法取阈值
{
int i,j,p;
double A,B,An,Bn,u,v,qqq[256],max,min;
An=Bn=0;
for (i=0;i<256;i++)
{
An+=pg;
Bn+=pg*(i+1);
}
for (j=0;j<256;j++)
{
A=B=0;
for (i=0;i<=j;i++)
{
A+=pg;
B+=pg*(i+1);
}
if (A) u=B/A;
else u=0;
if (An-A) v=(Bn-B)/(An-A);
else
v=0;
qqq[j]=A*(An-A)*(u-v)*(u-v);
//
计算类间方差
}
max=min=qqq[0]; p=0;
for (i=1;i<256;i++)
{
//
寻找判别函数最大值
if (qqq>max)
{
max=qqq;
p=i;
}
else if (qqq
}
if (pg1!=0)
{
for (i=0;i<256;i++)
{
pg1=(long)
(120*(qqq-min)/(max-min));
}
}
return(p);
//
取判别函数最大值的灰度为其阈值
}
法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差
越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2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。
对于图像I(x,y),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
例记为ω0,其平均灰度μ0;背景像素点数占整幅图像的比例为ω1,其平均灰度为μ1。图像的总平均
灰度记为μ,类间方差记为g。
假设图像的背景较暗,并且图像的大小为M×N,
图像中像素的灰度值小于阈值T的像素个数记作N0,像素灰度大于阈值T的像素个数记作N1,则有:
ω0=N0/ M×N
ω1=N1/ M×N
N0+N1=M×N
ω0+ω1=1
μ=ω0*μ0+ω1*μ1
g=ω0(μ0-μ)^2+ω1(μ1-μ)^2
将式(5)代入式(6),得到等价公式:
采用遍历的方法得到使类间方差最大的阈值T,即为所求。
int
{
}