OTSU算法概述含代码

来源：互联网发布：wms仓储管理系统 php 编辑：程序博客网时间：2024/04/25 16:55

原文：http://blog.csdn.net/qinjianganying/article/details/6648700

OTSU一维算法，我自己的理解是自适应阈值分割法，通过对灰度图的处理自行得到一个最佳的阈值，并最后用这个阈值二值化灰度图，参考了商丘师范学院的胡颖老师的<<OTSU算法的改进与纠正>>一文，但是我用的时候效果不是很理想，于是自己进行了稍微的变动，

OTSU算法：就是计算出灰度图最佳阈值的算法

1.先对灰度图进行直方图计算并归一化处理，得到0-255之间每个像素在灰度图中出现的概率，即表示为某个像素在灰度图中出现了n个，灰度图总的像素点为N个，则这个像素的出现概率为Pi=n/N

2.每个灰度图可以由阈值k将灰度图分为A，B两大类，很容易得到A，B类在灰度图中的出现概率以及灰度均值

3.计算灰度图A,B类得类间方差，在最佳阈值K处，求得的类间方差最大，也就是类间方差最大的那个时刻的阈值就为灰度图的最佳阈值

下面结合代码讲解

[cpp] view plaincopyprint?

int ThresholdOtsu(IplImage *src)
{
assert(src->nChannels == 1);
float histogram[256] = {0};
for(int h=0;h<src->height;h++)
{
unsigned char* p = (unsigned char *)src->imageData +h*src->height;
for(int w=0;w<src->width ;w++)
{
histogram[*p++]++;//计算直方图
}
}
int totalpixel = src->width *src->height;
for(int i=0;i<256;i++)
histogram[i] =(float) histogram[i]/(float)totalpixel;//归一化直方图
float maxavgvalue = 0;
for(int i=0;i<256;i++)
maxavgvalue = i*histogram[i];//总的灰度均值，其实在这里可将其设为0
float PA = 0;//A类出现概率
float PB = 0;//B类出现概率
float Agrayvalue = 0;//A类灰度均值
float Bgrayvalue = 0;//B类灰度均值
float maxvariance = 0;
float variance ;
int threshold;
for(int i=0;i<256;i++)
{
PA += histogram[i];
PB = 1-PA;
Agrayvalue += i*histogram[i];//A类灰度均值
Bgrayvalue += maxavgvalue - Agrayvalue;//B类灰度均值
//Agrayvalue = Agrayvalue/PA;
//Bgrayvalue = Bgrayvalue/PB;
variance = PA*(Agrayvalue-maxavgvalue)*(Agrayvalue-maxavgvalue)+PB*(Bgrayvalue-maxavgvalue)*(Bgrayvalue-maxavgvalue);//计算类间方差
if(variance>maxvariance)
{
maxvariance = variance;
threshold = i;//求得最大类间方差时的像素值，即为最佳阈值
}
}
return threshold;//返回最佳阈值二值化图像
}

int ThresholdOtsu(IplImage *src){ assert(src->nChannels == 1); float histogram[256] = {0}; for(int h=0;h<src->height;h++) {  unsigned char* p = (unsigned char *)src->imageData +h*src->height;   for(int w=0;w<src->width ;w++)   {    histogram[*p++]++;//计算直方图   } } int totalpixel = src->width *src->height; for(int i=0;i<256;i++)    histogram[i] =(float) histogram[i]/(float)totalpixel;//归一化直方图 float maxavgvalue = 0; for(int i=0;i<256;i++)  maxavgvalue = i*histogram[i];//总的灰度均值，其实在这里可将其设为0 float PA = 0;//A类出现概率 float PB = 0;//B类出现概率 float Agrayvalue = 0;//A类灰度均值 float Bgrayvalue = 0;//B类灰度均值 float maxvariance = 0; float variance ; int threshold; for(int i=0;i<256;i++) {        PA += histogram[i];  PB = 1-PA;  Agrayvalue += i*histogram[i];//A类灰度均值  Bgrayvalue += maxavgvalue - Agrayvalue;//B类灰度均值  //Agrayvalue = Agrayvalue/PA;  //Bgrayvalue = Bgrayvalue/PB;        variance = PA*(Agrayvalue-maxavgvalue)*(Agrayvalue-maxavgvalue)+PB*(Bgrayvalue-maxavgvalue)*(Bgrayvalue-maxavgvalue);//计算类间方差   if(variance>maxvariance)   {    maxvariance = variance;    threshold = i;//求得最大类间方差时的像素值，即为最佳阈值   }     } return threshold;//返回最佳阈值二值化图像}

将这个算法放入代码中，实现的效果很理想，并且进行形态学运算后效果如下：

OTSU算法概述 含代码

OTSU算法概述含代码