http://blog.csdn.net/douglax/article/details/38545577
大津法由大津于1979年提出,对图像Image,记t为前景与背景的分割阈值,前景点数占图像比例为w0,平均灰度为u0;背景点数占图像比例为w1,平均灰度为u1。图像的总平均灰度为:u=w0*u0+w1*u1。从最小灰度值到最大灰度值遍历t,当t使得值g=w0*(u0-u)2+w1*(u1-u)2 最大时t即为分割的最佳阈值。对大津法可作如下理解:该式实际上就是类间方差值,阈值t分割出的前景和背景两部分构成了整幅图像,而前景取值u0,概率为 w0,背景取值u1,概率为w1,总均值为u,根据方差的定义即得该式。因方差是灰度分布均匀性的一种度量,方差值越大,说明构成图像的两部分差别越大, 当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小,因此使类间方差最大的分割意味着错分概率最小。
直接应用大津法计算量较大,因此我们在实现时采用了等价的公式g=w0*w1*(u0-u1)2。
//***************************
Otsu算法(大律法或最大类间方差法)
一、Otsu最大类间方差法原理
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前景的点数,质量矩,平均灰度
后景:用n2,sum-csum,m2来表示在当前阈值下的背景的点数,质量矩,平均灰度
当取最佳阈值时,背景应该与前景差别最大,关键在于如何选择衡量差别的标准,而在otsu算法中这个衡量差别的标准就是最大类间
方差(英文简称otsu,这也就是这个算法名字的来源),在本程序中类间方差用sb表示,最大类间方差用fmax
关于最大类间方差法(otsu)的性能:
类间方差法对噪音和目标大小十分敏感,它仅对类间方差为单峰的图像产生较好的分割效果。
当目标与背景的大小比例悬殊时,类间方差准则函数可能呈现双峰或多峰,此时效果不好,但是类间方差法是用时最少的。
相关推荐
基于著名的大津阈值(Otsu Thresholding)法实现的自适应阈值分割程序,C#写的,导入VS项目中直接运行可见效果。
基本的Otsu阈值算法的Python实现。 Otsu的阈值化方法涉及遍历所有可能的阈值,并计算阈值每一侧(落在前景或背景中的像素)的像素级别的扩展度量。 目的是找到前景和背景散布之和最小的阈值。 依存关系 Python 2.x ...
Otsu’s method of image segmentation selects an optimum threshold by maximizing the between-class variance in a gray image. However, this method becomes very time-consuming when extended to a multi-...
Global-Thresholding-Optimum-Thresholding-Otsu- vs2013+opencv 基本全局阈值处理 最佳全局阈值处理(Otsu)
this code is thresholding image with fuzzy c-meam thresholding, it good result than Otsu method.
otsu图像分割算法 ,最大类间方差分割算法,十分有用
基于全局Otsu改进的局部Otsu阈值分割,用于光照不均匀条件下
使用遗传算法和退火算法优化otsu,减少otsu对像素点遍历的时间,加快了运算速度。
在MATLAB下实现OTSU算法,另外还有关于此算法的改进形式,对图像的阈值进行最佳的计算,提高二值化的效果
利用opencv实现基于otsu的阈值分割算法
分割性能和时间性能均优于传统二维Otsu法的一种算法
对jpeg图像进行阈值分割,采用OTSU方法。彩色图像转换为灰度图像,然后计算阈值,分割图像。(包括库函数OTSU,和自编OTSU函数)
Halcon 中实现 Otsu 算法。Halcon 中的全局阈值分割算子 binary_threshold 中,Method = 'max_separability' 指的就是Otsu法(最大类间方差法,有时也称之为大津算法)。
otsu算子matlab代码
二维OTSU算法的VC++代码实现图像分割
详细介绍了大津算法(OTSU)的优缺点和使用原理
OTSU大津法自动分割图片的程序matlab版
三维Otsu图像分割,灰度-平均灰度-梯度,利用粒子群算法加速。
Matlab实现一维otsu算法图形分割及改进
Otsu算法的研究及改进 Otsu算法Otsu算法