图像二值化之OTSU（最大类间方差法，大津法） Supporting tagline
概述
最大类间方差法是日本学者大津展之（Nobuyuki Otsu）于1979年提出的一种自适应阈值计算算法，又称为大津法，简称为OTSU[1]。该算法根据像素的灰度值，将灰度图片划分为前景和背景两个类别。通过计算两个类别的类间方差（intra-class variance）来判断前景和背景差异的显著程度。并且通过搜索使类间方差达到最优的类别划分界限作为最优阈值。
原理
设灰度图片大小为w*h，即图片的像素个数为w*h. 设类别划分阈值为threshold，则灰度值小于threshold的所有像素为前景，大于threshold的所有像素为背景。设前景像素个数的占比为\( \omega_0 \)，其平均灰度为\( \mu_0 \)，背景像素个数占比为\( \omega_1 \)，平均灰度为\( \mu_1 \)。图片整体平均灰度为\( \mu \)。则，
\[ \omega_0 + \omega_1 = 1 \]
\[ \mu = \omega_0 * \mu_0 + \omega_1 * \mu_1 \]
可得类间方差为
\[ variance = \omega_0 * (\mu_0 - \mu)^2 + \omega_1 * (\mu_1 - \mu)^2 \]
带入上述两个等式，可得
\[ variance = \omega_0\omega_1 * (\mu_0 - \mu_1)^2 \]
实现
计算时通过遍历图片灰度的值空间，计算每个阈值对应的类间方差，比较求得最优阈值。因为类间方差的值只是用来比较，所以计算中分别使用像素个数代替即可。C++实现代码如下。
const int GREY_MAX_VALUE = 255;
int getOtsuThreshold(int** grey, int w, int h) {
int n = GREY_MAX_VALUE + 1;
int histogram[n];
fill(histogram, histogram+n, 0);
for(int i=0;i<w;++i) {
for(int j=0;j<h;++j) {
++histogram[grey[i][j] & 0xFF];
}
}
int total = w*h, count0 = 0, count1 = 0;
int sum_total, sum0 = 0, sum1 = 0;
for(int i=0;i<n;++i) {
sum_total += i*histogram[i];
}
double mean0, mean1, max_var = 0;
int t = 0, threshold;
while(t < n) {
count0 += histogram[t];
count1 = total - count0;
if(count0 == 0) continue;
if(count1 == 0) break;
sum0 += t*histogram[t];
sum1 = sum_total - sum0;
mean0 = (double) sum0 / count0;
mean2 = (double) sum1 / count1;
double tmp = count0*count1*(mean0 - mean1)*(mean0 - mean1);
if(tmp > max_var) {
max_var = tmp;
threshold = t;
}
}
return threshold;
}
blog comments powered by Disqus