OTSU阈值化
来源:互联网 发布:3d打印机切片软件 编辑:程序博客网 时间:2024/06/05 05:30
在阈值处理中,常用的算法就是OTSU,OTSU是在1979年提出的一种寻找图像阈值的最大类间方差算法。
步骤如下:
1.统计灰度及中每个像素在整幅图中的个数
2.计算每个像素在整幅图像中的概率分布
3.对灰度级进行遍历搜索,计算当前灰度下前景背景类间概率
4.通过目标函数计算出类内与类间方差下对应的阈值
代码如下:
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/opencv.hpp"
#include "opencv2/core/core.hpp"
#include <stdio.h>
#include <string>
using namespace std;
using namespace cv;
//OTSU函数实现
int OTSU(cv::Mat srcImage)
{
int nCols = srcImage.cols;
int nRows = srcImage.rows;
int threshold = 0;
//统计初始化参数
int nSumPix[256];
float nProDis[256];
for (int i = 0; i < 256; i++)
{
nSumPix[i] = 0;
nProDis[i] = 0;
}
//统计灰度级中每个像素在整附图中的个数
for (int i = 0; i < nRows; i++)
{
for (int j = 0; j < nCols; j++)
{
nSumPix[(int)srcImage.at<uchar>(i,j)]++;
}
}
//计算每个灰度级占图像中的概率分布
for (int i = 0; i < 256; i++)
{
nProDis[i] = (float)nSumPix[i] / (nCols * nRows);
}
//遍历灰度级[0, 255],计算出最大类间方差下的阈值
float w0, w1, u0_temp, u1_temp, u0, u1, delta_temp;
float delta_max = 0;
for (int i = 0; i < 256; i++)
{
//初始化相关参数
w0 = w1 = u0_temp = u1_temp = u0 = u1 = delta_temp = 0;
for (int j = 0; j < 256; j++)
{
//背景部分
if (j <= i)
{
//当前i为分割阈值,第一类总的概率
w0 += nProDis[j];
u0_temp += j * nProDis[j];
}
//前景部分
else
{
//当前i为分割阈值,第一类总的概率
w1 += nProDis[j];
u1_temp += j * nProDis[j];
}
}
//计算各类的平均灰度
u0 = u0_temp / w0;
u1 = u1_temp / w1;
delta_temp = (float)(w0 * w1 * pow((u0 - u1), 2));
//依次找到最大类间方差下的阈值
if (delta_temp > delta_max)
{
delta_max = delta_temp;
threshold = i;
}
}
return threshold;
}
int main()
{
cv::Mat srcImage = cv::imread("C:\\Users\\LP\\Desktop\\C++\\ConsoleApplication4\\ConsoleApplication4\\RGBFlower4.jpg");
if (srcImage.empty())
{
return -1;
}
cv::imshow("原图像", srcImage);
//灰度转换
cv::Mat srcGray;
cv::cvtColor(srcImage, srcGray, CV_RGB2GRAY);
cv::imshow("srcGray", srcGray);
//调用OTSU二值化算法得到阈值
int ostuThreshold = OTSU(srcGray);
std::cout << ostuThreshold << std::endl;
//定义输出结果图像
cv::Mat otsuResultImage = cv::Mat::zeros( srcGray.rows, srcGray.cols, CV_8UC1);
//利用得到的阈值进行二值化操作
for (int i = 0; i < srcGray.rows; i++)
{
for (int j = 0; j < srcGray.cols; j++)
{
//高像素阈值判断
if (srcGray.at<uchar>(i,j) > ostuThreshold)
{
otsuResultImage.at<uchar>(i,j) = 255;
}
else
{
otsuResultImage.at<uchar>(i,j) = 0;
}
}
}
cv::imshow("otsuResultImage", otsuResultImage);
cv::waitKey(0);
return 0;
}
阅读全文
0 0
- 图像otsu阈值化
- Otsu阈值化
- OTSU阈值化
- opencv 中的Otsu阈值化
- otsu阈值
- 阈值化 OTSU算法 cvAdaptiveThreshold 函数
- 用otsu算法进行图像阈值化
- 自己实现图像阈值化(OTSU)
- 图像的阈值化-OTSU、固定阈值法、基于局部的阈值化
- otsu阈值处理
- otsu阈值处理
- Otsu自适应阈值算法
- opencv中利用otsu算法进行阈值化
- 【拜小白opencv】20-OTSU阈值化实现;OTSU最大类间方差法
- 【拜小白opencv】25-综合示例——8种阈值化操作【OTSU阈值化、自适应阈值化、二进制阈值化、反二进制阈值化、截断阈值化、阈值化为0、反阈值化为0,双阈值化】
- opencv学习笔记(十九)单通道固定阈值cvThreshold()以及自适应阈值化 OTSU算法
- 一种otsu阈值分割方法
- 自动阈值法:Otsu法 用MATLAB实现Otsu算法:
- bootstrap-table自定义复选框列的样式
- Java初级入门之 Four 类和对象
- Linux定时清理文件定时任务
- 互联网协议入门(一)
- hdu3018—Ant Trip(欧拉回路一笔画问题)
- OTSU阈值化
- java25要点
- The CometD Reference Book – 3.1.1
- opencv图像颜色空间转换
- Android 进阶11:进程通信之 ContentProvider 内容提供者
- 数据预处理
- ssh 免密码登入
- a 标签中调用js的几种方法
- opencv实现图形旋转