二维Otsu算法的原理与实现
来源:互联网 发布:数据库编辑器 编辑:程序博客网 时间:2024/06/03 17:40
1.简介:
一维Otsu算法有计算简洁、稳定、自适应强等优点,被广泛用于图像分割中。但一维Otsu算法没有考虑图像像素点之间的关系,当图像中有噪声时,会导致分割的效果不理想。因此,刘健庄等人在1993年提出了二维的Otsu算法,提升了算法的抗噪声能力。
2.算法思想:
同时考虑像素的灰度值分布和它们邻域像素的平均灰度值分布,因此形成的阈值是一个二维矢量,最佳的阈值在一个二维的测度准则下确定最大值时得到。
3.算法过程:
(1)设图像I(x,y),的灰度级为L级,那么图像的邻域平均灰度也分为L级。
(2)设f(x,y)为像素点(x,y)的灰度值,g(x,y)为像素点(x,y)为中心的K*K的像
素点集合的灰度平均值。令f(x,y)=i,g(x,y)=j,然后就形成了一个二元组(i,j)。
(3)设二元组(i,j)出现的次数为fij,然后求出二元组对应的概率密度Pij,
Pij=fij/N, i,j=1,2,…,L,其中N为图像像素点总数。
(4)任意选取一个阈值向量(s,t)选取的阈值向量将图像的二维直方图划分成4个
区域,B、C区域代表图像的前景和背景,A、D区域代表噪声点。
(5)设C、B两个区域对应的概率分别为w1,w2,对应的均值矢量为u1,u2。整个图
片所对应的均值矢量为uT。
4.代码实现(opencv3):
#include "opencv.hpp"#include "imgproc.hpp"#include "highgui.hpp"#include "iostream"#include "core.hpp"using namespace cv;using namespace std;int Otsu2D(Mat srcimage); //二维Otsu算法int main(){Mat srcimage, grayimage, dstimage;srcimage = imread("lena.jpg");namedWindow("原图", 0);imshow("原图", srcimage); //显示原图cvtColor(srcimage, grayimage, COLOR_RGB2GRAY); //得到灰度图double time0 = static_cast<double>(getTickCount()); //记录程序开始时间int thresholdValue = Otsu2D(grayimage); //调用二维Otsu函数time0 = ((double)getTickCount() - time0) / getTickFrequency();cout << "算法运行时间为:" << time0 << endl;cout << "Otsu阈值为:" << thresholdValue << endl;threshold(grayimage, dstimage, thresholdValue, 255, THRESH_BINARY); //将得到的阈值传入函数,得到分割效果图namedWindow("Otsu算法结果", 0);imshow("Otsu算法结果", dstimage);waitKey(); return 0;}
int Otsu2D(Mat srcimage){double Histogram[256][256]; //建立二维灰度直方图double TrMax = 0.0; //用于存储矩阵的迹(矩阵对角线之和)int height = srcimage.rows; //矩阵的行数int width = srcimage.cols; //矩阵的列数int N = height*width; //像素的总数int T; //最终阈值uchar *data = srcimage.data;for (int i = 0; i < 256; i++){for (int j = 0; j < 256; j++){Histogram[i][j] = 0; //初始化变量}}for (int i = 0; i < height; i++){for (int j = 0; j < width; j++){int Data1 = data[i*srcimage.step + j]; //获取当前灰度值int Data2 = 0; //用于存放灰度的平均值for (int m = i - 1; m <= i + 1; m++){for (int n = j - 1; n <= j + 1; n++){if ((m >= 0) && (m < height) && (n >= 0) && (n < width))Data2 += data[m*srcimage.step + n];//邻域灰度值总和}}Data2 = Data2 / 9;Histogram[Data1][Data2]++; //记录(i,j)的数量}}for (int i = 0; i < 256; i++)for (int j = 0; j < 256; j++)Histogram[i][j] /= N; //归一化的每一个二元组的概率分布double Fgi = 0.0; //前景区域均值向量i分量double Fgj = 0.0; //前景区域均值向量j分量double Bgi = 0.0; //背景区域均值向量i分量double Bgj = 0.0; //背景区域均值向量j分量double Pai = 0.0; //全局均值向量i分量 panorama(全景)double Paj = 0.0; //全局均值向量j分量double w0 = 0.0; //前景区域联合概率密度double w1 = 0.0; //背景区域联合概率密度double num1 = 0.0; //遍历过程中前景区i分量的值double num2 = 0.0; //遍历过程中前景区j分量的值double num3 = 0.0; //遍历过程中背景区i分量的值double num4 = 0.0; //遍历过程中背景区j分量的值int Threshold_s = 0; //阈值sint Threshold_t = 0; //阈值tdouble temp = 0.0; //存储矩阵迹的最大值for(int i=0;i<256;i++){for (int j = 0; j < 256; j++){Pai += i*Histogram[i][j]; //全局均值向量i分量计算Paj += j*Histogram[i][j]; //全局均值向量j分量计算}}for (int i = 0; i < 256; i++){for (int j = 0; j < 256; j++){w0 += Histogram[i][j]; //前景的概率num1 += i*Histogram[i][j]; //遍历过程中前景区i分量的值num2 += j*Histogram[i][j]; //遍历过程中前景区j分量的值w1 = 1 - w0; //背景的概率num3 = Pai - num1; //遍历过程中背景区i分量的值num4 = Paj - num2; //遍历过程中背景区j分量的值Fgi = num1 / w0; Fgj = num2 / w1;Bgi = num3 / w0;Bgj = num4 / w1;TrMax = ((w0*Pai - num1)*(w0*Pai - num1) + (w0*Paj - num2)*(w0*Paj - num2)) / (w0*w1);if (TrMax > temp){temp = TrMax;Threshold_s = i;Threshold_t = j;}}}cout << Threshold_s << " " << Threshold_t << endl;T = Threshold_s;return T;}
5.运行结果(得到2个阈值,取其中一个即可):
阅读全文
1 0
- 二维Otsu算法的原理与实现
- 一维Otsu算法的原理与实现
- 二维OTSU算法快速实现
- Otsu算法原理及实现
- Niblack算法和OTSU算法的实现
- Niblack算法和OTSU算法的实现
- OTSU算法原理
- C++实现otsu算法
- 算法解剖系列-Otsu二值化原理及实现
- 大津法 OTSU的算法
- OpenCV实现验证otsu算法
- OpenCV实现验证otsu算法
- OpenCV实现验证otsu算法
- C&OpenCV实现OTSU算法
- 用OpenCV实现Otsu算法
- OpenCV实现验证otsu算法
- OpenCv 中Otsu 算法实现
- OTSU算法提取图像阈值的C语言实现[转载】
- 将svg图形转为图片并下载
- android https——okhttp实现https请求
- [组合数学]51 Nod 1486——大大走格子
- 【bzoj2653】middle
- leetcode 204. Count Primes
- 二维Otsu算法的原理与实现
- 算数运算符,赋值运算符,比较运算符,逻辑运算符,三元运算符,位运算符,字符和字符串参加运算
- css的div垂直居中的方法,百分比div垂直居中
- 第八周项目2 顺序串算法
- 任务分配问题(回溯算法)
- JavaScript正则中\1\2的作用
- c++链表
- 根据中序序列与后序序列构建二叉树
- 数据库创建表失败原因