opencv学习5——大律二值化（ostu）

opencv中有多种方法进行图像的二值化，前面的3中直接设置二值化的阈值，比较粗暴无脑，而且用人眼看的话根本看不出来最佳阈值，因此人为的设置阈值是一种很不科学不严谨的方法，在opencv中ostu二值化应用很多。它是二值化中的一种高效算法，如果不了解ostu这种经典的二值化法就不能说是学习过opencv。

算法原理

首先从原理说起，这个ostu并不是完成最终的图像二值化，而是计算出二值化最合理最优化的分割阈值，从而实现完美二值化。首先需要将图片分为前景和背景，也就是将图片处理为非黑即白的二值化，白色定为前景，黑色定为背景，关键是要找出划分前景背景的分割值，因此将图像分为0~255共256个灰度级，这里可以将图像理解为一个256层像素平面叠加而成的整体，每一层代表一个灰度级即像素值。这里引入方差的概念，方差是各个数据与平均数之差的平方的平均数，反映的是数据之间的偏离程度，方差越大，偏离程度就越大，从而容易区分不会混淆，使得二值化图像黑白分明易于分析，这也是最优二值化的目的。而算法的关键就是找出方差最大时的像素值，定为二值化的分割阈值，并返回。

算法步骤

确定0~255各个像素值的数量
计算各灰度级的比例，也叫作归一化
定义一个变量th表示分割的阈值，从0开始迭代，计算0~th灰度级像素比例和，定义为u1，0~th灰度级的像素组合定为前景，计算前景像素值的平均灰度ave1，同样计算th~255（背景）的比例和u2，并计算平均灰度ave2。（比例也可以说成概率）
计算前景与背景的方差var，公式为：var=u1*u2*（ave1-ave2）^2。
th从0开始遍历，th每取一个值就会产生一个方差，找到方差最大时对应的th，该th就是要返回的分割阈值。

代码如下

#include"iostream"
#include"opencv2/core/core.hpp"
#include"opencv2/highgui/highgui.hpp"
#include<opencv2/opencv.hpp>
#include<math.h>
using namespace cv;
using namespace std;
int GetThreshold(Mat img){int imgrow = img.rows;int imgcol = img.cols;int threshold = 0;int pixnum[256];float pixpro[256];//初始化为0for(int i=0;i<256;i++){pixnum[i] = 0;pixpro[i] = 0;}//计算每个像素值的数量for(int j=0;j<imgrow;j++){for(int i=0;i<imgcol;i++){pixnum[(int)img.at<uchar>(j,i)]++;}}//计算各个像素值所占的比例for(int i=0;i<256;i++){pixpro[i] = (float)pixnum[i]/(imgcol*imgrow);}//计算方差，对应步骤3,4float u1,u2,ave1,ave2,mathexp1,mathexp2,vartemp;double varmax=0;for(int th=0;th<256;th++){    //th定义为最佳分割阈值，开始遍历u1=u2=ave1=ave2=mathexp1=mathexp2=0;for(int i=0;i<256;i++){if(i<th){     //归为前景u1 += pixpro[i];  //计算前景概率之和mathexp1 += i*pixpro[i];   //数学期望}else{  u2 += pixpro[i];mathexp2 += i*pixpro[i];}}ave1 = mathexp1/u1;ave2 = mathexp2/u2;vartemp=(float)(u1*u2*(ave1-ave2)*(ave1-ave2));if(vartemp>varmax){varmax = vartemp;threshold = i;}}return threshold;
}

这里仅是返回值的函数，得到分割阈值，完整的代码需要加入另外的代码，https://blog.csdn.net/yuan123890/article/details/107238610，将该篇文章中的灰度化函数和二值化函数加入，主程序如下

void main(){Mat img = imread("ck567.jpg",IMREAD_COLOR);Mat gray = BGR2GRAY(img);Mat out = Binaryzation(gray,GetThreshold(gray));imshow("sample",out);waitKey(0);destroyAllWindows();
}

效果如下，可与上述链接中的图片进行对比，ostu的算法可以得到最佳分割阈值。

opencv学习5——大律二值化（ostu）相关推荐

大津二值化算法 ( Otsu's binarization ) 自动确定二值化图像时的阈值
大津算法,也被称作最大类间方差法,是一种自动确定二值化阈值的算法. 在这里作者不介绍算法推导的过程,算法推导过程网络上有许多介绍,这里只给出算法最终推导出的结论: 使得左侧的值最大,就可以得到最好的 ...
otsu阈值分割算法原理_大津二值化算法OTSU的理解
otsu 大津算法介绍: OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法. 利用阈值将原图像分成前景,背景两个图象. 前景:用n1,csum,m1来表示在当前阈值下的 ...
C++实现大津二值化算法
文章目录一.大津算法二.原理三.算法实现步骤四.测试结果五.完整代码一.大津算法大津算法(Ostu)也称最大类间方差法.顾名思义,就使两个类别之间某个属性的方差最大的方法.在图像处理中, ...
java用opencv实现滤镜_opencv滤镜-二值化实现黑白滤镜
黑白滤镜黑白滤镜非常简单,顾名思义就是图像只有黑色与白色,这实际上就是图像的二值化.实现的原理也非常地简单,设定一个阈值,假设为128,判断每个像素点的灰度值,大于128设为255(对应白色),小于 ...
【图像处理】Qt+OpenCV自制mini软件——图像二值化器
[fishing-pan:https://blog.csdn.net/u013921430转载请注明出处] 前言前段时间杂事很多,这几天突然觉得自己有段时间没有碰Qt了,手有点生了.心血来潮,花了两 ...
OSTU大律法二值化原理
介绍 Ostu方法又名最大类间差方法,通过统计整个图像的直方图特性来实现全局阈值T的自动选取,其算法步骤为: 1) 先计算图像的直方图,即将图像所有的像素点按照0~255共256个bin,统计落在每个 ...
大津二值化算法(Otsu)
1. 简介我们在最灰度图做二值化时,需要设定一个分割阈值,我们并没有一个万能的阈值.而Otsu大津算法则是根据灰度图本身的信息,自动确定最佳阈值,实现以最佳阈值对灰度图进行二值化. 需要注意的是,大 ...
数字图像处理（四）大津二值化
题目:使用大津二值化算法进行二值化时阈值的确定. 采用国际标准测试图像Lena. 算法原理我们在对图片进行二值化时,是希望将图片分割成两部分,称之为前景和背景.一般情况下,我们将感兴趣的部分称为前景 ...
opencv 图像分割阈值分割图像二值化灰度图
# -*- coding: utf-8 -*- """ @File : 191213_测试_阈值分割.py @Time : 2019/12/13 15:14 @Autho ...

opencv学习5——大律二值化（ostu）

opencv学习5——大律二值化（ostu）相关推荐

最新文章

热门文章