自适应阈值分割—大津法（OTSU算法）C++实现.pdfVIP

⾃⾃适适应应阈阈值值分分割割—⼤⼤津津法法（（OTSU算算法法））C++实实现现

⼤津法是⼀种图像灰度⾃适应的阈值分割算法，是1979年由⽇本学者⼤津提，并由他的名字命名的。⼤津法按照图像上灰度值的

分布，将图像分成背景和前景两部分看待，前景就是我们要按照阈值分割来的部分。背景和前景的分界值就是我们要求的阈

值。遍历不同的阈值，计算不同阈值下对应的背景和前景之间的类内⽅差，当类内⽅差取得极⼤值时，此时对应的阈值就是⼤津法

（OTSU算法）所求的阈值。

何何为为类类间间⽅⽅差差？？

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)这个就是类间⽅差的公式表述

采⽤遍历的⽅法得到使类间⽅差g最⼤的阈值T,即为所求。

Otsu实实现现思思路路

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

C++代码实现：

#includeopencv2/highgui/highgui.hpp

#includeopencv2/imgproc/imgproc.hpp

#includeopencv2/core/core.hpp

#includeiostream

usingnamespacecv;

usingnamespacestd;

//***************Otsu算法通过求类间⽅差极⼤值求⾃适应阈值******************

intOtsuAlgThreshold(constMatimage);

intmain(intargc,char*argv[])

{

Matimage=imread(argv[1]);

imshow(SoureImage,image);

cvtColor(image,image,CV_RGB2GRAY);

MatimageOutput;

MatimageOtsu;

intthresholdValue=OtsuAlgThreshold(image);

cout类间⽅差为：thresholdValueendl;

threshold(image,imageOutput,thresholdValue,255,CV_THRESH_BINARY);

threshold(image,imageOtsu,0,255,CV_THRESH_OTSU);//OpencvOtsu算法

//imshow(SoureImage,image);

imshow(OutputImage,imageOutput);

imshow(OpencvOtsu,imageOtsu);

waitKey();

return0;

}

intOtsuAlgThreshold(constMatimage)

{

if(image.channels()!=1)

{

coutPleaseinputGray-image!endl;

return0;

}

intT=0;//Otsu算法阈值

doublevarValue=0;//类间⽅差中间值保存

doublew0=0;//前景像素点数所占⽐例

doublew1=0;//背景像素点数所占⽐例

doubleu0=0;//前景平均灰度

doubleu1=0;//背景平均灰度

doubl