OTSU算法也稱(chēng)最大類(lèi)間差法，有時(shí)也稱(chēng)之為大津算法，被認為是圖像分割中閾值選取的最佳算法，計算簡(jiǎn)單，不受圖像亮度和對比度的影響，因此在數字圖像處理上得到了廣泛的應用。它是按圖像的灰度特性,將圖像分成背景和前景兩部分。背景和前景之間的類(lèi)間方差越大,說(shuō)明構成圖像的兩部分的差別越大,當部分前景錯分為背景或部分背景錯分為前景都會(huì )導致兩部分差別變小。因此,使類(lèi)間方差最大的分割意味著(zhù)錯分概率最小。
設灰度圖像灰度級是L，則灰度范圍為[0,L-1]，利用OTSU算法計算圖像的最佳閾值為：
t = Max[w0(t) *(u0(t) - u)^2 + w1(t) * (u1(t) - u)^2)]
其中的變量說(shuō)明：當分割的閾值為t時(shí)，w0為背景比例，u0為背景均值，w1為前景比例，u1為前景均值，u為整幅圖像的均值。
使以上表達式值最大的t，即為分割圖像的最佳閾值。
以下是一段在OpenCV中實(shí)現的C語(yǔ)言程序，即一個(gè)使用OTSU算法提取圖像閾值的函數，輸入參數為一個(gè)圖像指針，返回分割該圖像的最佳閾值。
01 | int otsuThreshold(IplImage *frame) |
03 | int width = frame->width; |
04 | int height = frame->height; |
05 | int pixelCount[GrayScale]; |
06 | float pixelPro[GrayScale]; |
07 | int i, j, pixelSum = width * height, threshold = 0; |
08 | uchar* data = (uchar*)frame->imageData; |
10 | for(i = 0; i < GrayScale; i++) |
17 | for(i = 0; i < height; i++) |
19 | for(j = 0;j < width;j++) |
21 | pixelCount[(int)data[i * width + j]]++; |
26 | for(i = 0; i < GrayScale; i++) |
28 | pixelPro[i] = (float)pixelCount[i] / pixelSum; |
32 | float w0, w1, u0tmp, u1tmp, u0, u1, u, |
33 | deltaTmp, deltaMax = 0; |
34 | for(i = 0; i < GrayScale; i++) |
36 | w0 = w1 = u0tmp = u1tmp = u0 = u1 = u = deltaTmp = 0; |
37 | for(j = 0; j < GrayScale; j++) |
42 | u0tmp += j * pixelPro[j]; |
47 | u1tmp += j * pixelPro[j]; |
54 | w0 * pow((u0 - u), 2) + w1 * pow((u1 - u), 2); |
55 | if(deltaTmp > deltaMax) |
--End--
