Otsu的C语言实现

//===============================================================================////  函数名称：OTSU_threshold//  功能说明：经典大津算法 动态阈值//  修改时间：2016-8-31//  备    注：//      Otsu实现思路//  1.计算0~255各灰阶对应的像素个数，保存至一个数组中，该数组下标是灰度值，保存内容是当前灰度值对应像素数//  2.计算背景图像的平均灰度、背景图像像素数所占比例//  3.计算前景图像的平均灰度、前景图像像素数所占比例//  4.遍历0~255各灰阶，计算并寻找类间方差极大值//===============================================================================#define Gourd 256uint8 OTSU_threshold(uint8 *pic,uint16 num){   uint16 i=0;   uint16 Histogram[Gourd];//直方图histogram   for (i=0;i<Gourd;i++)       Histogram[i]=0;//数组清零   for (i=0;i<num;i++)   {       Histogram[(int)pic[i]*Gourd/256]++;//遍历每个像素，计算每个灰度级的像素个数和。   }  float pt[Gourd],w[Gourd],u[Gourd],o[Gourd],Ut;  pt[0]=(float)Histogram[0]/num;  w[0]=pt[0];  u[0]=w[0];  for(i=1;i<Gourd;i++)  {    pt[i]=(float)Histogram[i]/num; //灰度级为i的像素个数占总像素的比例    w[i]=w[i-1]+pt[i];//进行pt[i]的累加。对图像像素数所占比例进行累加    u[i]=u[i-1]+i*pt[i];//进行i*pt[i]的累加，从而计算出平均灰度（每个灰度级*每个灰度级所占的比例）   };  Ut=u[Gourd-1];//整幅图像平均灰度  for(i=0;i<Gourd;i++)  {    o[i]=(1-pt[i])*(u[i]*u[i]/w[i]+(u[i]-Ut)*(u[i]-Ut)/(1-w[i]));//方差  };  int maxi=0;  float maxo=0;  for(i=0;i<Gourd;i++)  {    if(o[i]!=0x7FC0000)    if(o[i]>maxo){maxo=o[i];maxi=i;}//遍历0~255各灰阶，计算并寻找类间方差极大值，当找到时，i为对应类间方差的灰度值  }  return maxi*256/Gourd;}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56

//Otsu的C++实现//转自> http://www.cnblogs.com/gzy-zju-edu/articles/4202252.htmlint Otsu(IplImage* src)        {            int height=src->height;            int width=src->width;                //histogram            float histogram[256] = {0};            for(int i=0; i < height; i++)          {                unsigned char* p=(unsigned char*)src->imageData + src->widthStep * i;                for(int j = 0; j < width; j++)               {                    histogram[*p++]++;                }            }            //normalize histogram            int size = height * width;            for(int i = 0; i < 256; i++)          {                histogram[i] = histogram[i] / size;            }            //average pixel value            float avgValue=0;            for(int i=0; i < 256; i++)          {                avgValue += i * histogram[i];  //整幅图像的平均灰度          }             int threshold;              float maxVariance=0;            float w = 0, u = 0;            for(int i = 0; i < 256; i++)           {                w += histogram[i];  //假设当前灰度i为阈值, 0~i 灰度的像素(假设像素值在此范围的像素叫做前景像素) 所占整幅图像的比例              u += i * histogram[i];  // 灰度i 之前的像素(0~i)的平均灰度值： 前景像素的平均灰度值              float t = avgValue * w - u;                float variance = t * t / (w * (1 - w) );                if(variance > maxVariance)               {                    maxVariance = variance;                    threshold = i;                }            }            return threshold;        }