用OpenCV实现Otsu算法
2016-01-07 23:27
579 查看
一、Otsu算法原理
Otsu算法(大津法或最大类间方差法)使用的是聚类的思想,把图像的灰度数按灰度级分成2个部分,使得两个部分之间的灰度值差异最大,每个部分之间的灰度差异最小,通过方差的计算来寻找一个合适的灰度级别来划分。 所以可以在二值化的时候采用otsu算法来自动选取阈值进行二值化。otsu算法被认为是图像分割中阈值选取的最佳算法,计算简单,不受图像亮度和对比度的影响。因此,使类间方差最大的分割意味着错分概率最小。设t为设定的阈值。
w0 | 分开后前景像素点数占图像的比例 |
u0 | 分开后前景像素点的平均灰度 |
w1 | 分开后背景像素点数占图像的比例 |
u1 | 分开后背景像素点的平均灰度 |
从L个灰度级遍历 t,使得 t 为某个值的时候,前景和背景的方差最大,则 这个 t 值便是我们要求得的阈值。其中,方差的计算公式如下:
g = wo∗(u0−u)∗(u0−u) + w1∗(u1−u)∗(u1−u)
此公式计算量较大,可以采用:
g = w0∗w1∗(u0−u1)∗(u0−u1)
由于Otsu算法是对图像的灰度级进行聚类,因此在执行Otsu算法之前,需要计算该图像的灰度直方图。
二、代码实现算法
第一份代码:来自Augusdi#include<iostream> #include<opencv\cv.h> //#include<opencv2\highgui.hpp> #include<opencv2\highgui\highgui.hpp> int Otsu(IplImage* src); int main() { IplImage* img = cvLoadImage("E:\\house.jpg", 0); IplImage* dst = cvCreateImage(cvGetSize(img), 8, 1); int threshold = Otsu(img); cvThreshold(img, dst, threshold, 255, CV_THRESH_BINARY); cvNamedWindow("img", 1); cvShowImage("img", dst); cvWaitKey(-1); cvReleaseImage(&img); cvReleaseImage(&dst); cvDestroyWindow("dst"); return 0; } int Otsu(IplImage* src) { int height = src->height; int width = src->width; long size = height * width; //histogram float histogram[256] = { 0 }; for (int m = 0; m < height; m++) { unsigned char* p = (unsigned char*)src->imageData + src->widthStep * m; for (int n = 0; n < width; n++) { histogram[int(*p++)]++; } } int threshold; long sum0 = 0, sum1 = 0; //存储前景的灰度总和和背景灰度总和 long cnt0 = 0, cnt1 = 0; //前景的总个数和背景的总个数 double w0 = 0, w1 = 0; //前景和背景所占整幅图像的比例 double u0 = 0, u1 = 0; //前景和背景的平均灰度 double variance = 0; //最大类间方差 int i, j; double u = 0; double maxVariance = 0; for (i = 1; i < 256; i++) //一次遍历每个像素 { sum0 = 0; sum1 = 0; cnt0 = 0; cnt1 = 0; w0 = 0; w1 = 0; for (j = 0; j < i; j++) { cnt0 += histogram[j]; sum0 += j * histogram[j]; } u0 = (double)sum0 / cnt0; w0 = (double)cnt0 / size; for (j = i; j <= 255; j++) { cnt1 += histogram[j]; sum1 += j * histogram[j]; } u1 = (double)sum1 / cnt1; w1 = 1 - w0; // (double)cnt1 / size; u = u0 * w0 + u1 * w1; //图像的平均灰度 printf("u = %f\n", u); //variance = w0 * pow((u0 - u), 2) + w1 * pow((u1 - u), 2); variance = w0 * w1 * (u0 - u1) * (u0 - u1); if (variance > maxVariance) { maxVariance = variance; threshold = i; } } printf("threshold = %d\n", threshold); return threshold; }
第二份代码:
#include <opencv\cv.h> #include <opencv2\highgui\highgui.hpp> int otsu(IplImage *image) { assert(NULL != image); int width = image->width; int height = image->height; int x = 0, y = 0; int pixelCount[256]; float pixelPro[256]; int i, j, pixelSum = width * height, threshold = 0; uchar* data = (uchar*)image->imageData; //初始化 for (i = 0; i < 256; i++) { pixelCount[i] = 0; pixelPro[i] = 0; } //统计灰度级中每个像素在整幅图像中的个数 for (i = y; i < height; i++) { for (j = x; j <width; j++) { pixelCount[data[i * image->widthStep + j]]++; } } //计算每个像素在整幅图像中的比例 for (i = 0; i < 256; i++) { pixelPro[i] = (float)(pixelCount[i]) / (float)(pixelSum); } //经典ostu算法,得到前景和背景的分割 //遍历灰度级[0,255],计算出方差最大的灰度值,为最佳阈值 float w0, w1, u0tmp, u1tmp, u0, u1, u, deltaTmp, deltaMax = 0; for (i = 0; i < 256; i++) { w0 = w1 = u0tmp = u1tmp = u0 = u1 = u = deltaTmp = 0; for (j = 0; j < 256; j++) { if (j <= i) //背景部分 { //以i为阈值分类,第一类总的概率 w0 += pixelPro[j]; u0tmp += j * pixelPro[j]; } else //前景部分 { //以i为阈值分类,第二类总的概率 w1 += pixelPro[j]; u1tmp += j * pixelPro[j]; } } u0 = u0tmp / w0; //第一类的平均灰度 u1 = u1tmp / w1; //第二类的平均灰度 u = u0tmp + u1tmp; //整幅图像的平均灰度 //计算类间方差 deltaTmp = w0 * (u0 - u)*(u0 - u) + w1 * (u1 - u)*(u1 - u); //找出最大类间方差以及对应的阈值 if (deltaTmp > deltaMax) { deltaMax = deltaTmp; threshold = i; } } //返回最佳阈值; return threshold; } int main(int argc, char* argv[]) { IplImage* srcImage = cvLoadImage("house.jpg", 0); assert(NULL != srcImage); cvNamedWindow("src"); cvShowImage("src", srcImage); IplImage* biImage = cvCreateImage(cvGetSize(srcImage), 8, 1); //计算最佳阈值 int threshold = otsu(srcImage); printf("threshold = %d\n", threshold); //对图像二值化 cvThreshold(srcImage, biImage, threshold, 255, CV_THRESH_BINARY); cvNamedWindow("binary"); cvShowImage("binary", biImage); cvWaitKey(0); cvReleaseImage(&srcImage); cvReleaseImage(&biImage); cvDestroyWindow("src"); cvDestroyWindow("binary"); return 0; }
三、代码运行结果
代码1运行结果:代码2运行结果:
相关文章推荐
- 实况记录网站被k后采取的措施
- C++ Ping源码(Linux/Unix)
- 【linux】ctrl+其他按键
- 光流算法:Brox光流的OpenCV源码解析
- 关于mapreduce的topN的问题
- 解决宿主机不能访问虚拟机CentOS中的站点
- linux下find的作用
- 【LWJGL2 WIKI】【现代OpenGL篇】用DrawArrays画方形
- 面向服务与微服务架构
- 【探索PowerShell 】【四】PowerShell的对象、格式与参数
- Kali linux下ncat 使用详解
- [经验技巧] 路由mini安装OpenWRT源的Transmission插件,实现PT下载(需SSH)
- Tomcat无法启动
- Linux环境下MySQL基础命令(4)----数据库的用户授权
- Openwrt编译记录
- 【Modern OpenGL】光照基础 Basic Lighting
- Docker:常用命令
- 【Modern OpenGL】颜色 Colors
- 【探索PowerShell 】【三】PowerShell下使用Aliases
- 【Modern OpenGL】复习 Review