Otsu双阈值分割-opencv_双阈值分割资源-CSDN文库

共1个文件

cpp：1个

需积分: 32 140 浏览量 2016-07-20 21:33:05 上传评论 2 收藏 1KB 7Z 举报

**Otsu双阈值分割**是图像处理领域中一种广泛应用的自动阈值选择方法，由大岛光司（Otsu Nobuyuki）在1975年提出。它主要用于将图像转换为二值图像，即图像中的像素点只包含黑色和白色两种颜色。在Otsu算法中，它通过计算不同灰度级别的像素在整个图像中所占的比例，来寻找最佳的阈值，以最大程度地分离图像中的前景和背景。在**OpenCV**库中，Otsu双阈值分割被用于处理灰度图像。OpenCV是一个强大的计算机视觉库，支持多种编程语言，如C++、Python等，提供了丰富的函数和模块，方便开发者进行图像处理和分析。具体来说，Otsu算法的步骤包括： 1. **计算直方图**：我们需要对输入图像的每个像素进行统计，生成灰度级的直方图。 2. **计算类间方差**：然后，对于每一个可能的阈值，计算前景像素和背景像素的类间方差（也称为总方差或分离性）。类间方差是衡量两类像素分布分离程度的一个指标，我们希望找到一个阈值使得这个方差最大。 3. **最大化类间方差**：通过遍历所有可能的阈值，找出使得类间方差最大的那个阈值，这就是Otsu阈值。 4. **二值化**：根据找到的阈值，将图像中的像素点分为两部分，小于阈值的设为背景色（通常为黑色），大于等于阈值的设为前景色（通常为白色）。在OpenCV中，可以使用`cv2.threshold()`函数实现Otsu双阈值分割。该函数接受图像、阈值、最大值和阈值类型作为参数。阈值类型`cv2.THRESH_OTSU`告诉OpenCV使用Otsu算法自动选择阈值。例如，以下是一个简单的Python代码示例： ```python import cv2 import numpy as np # 读取图像 img = cv2.imread('image.png', cv2.IMREAD_GRAYSCALE) # 使用Otsu阈值分割 ret, thresholded_img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU) # 显示原图和处理后的图像 cv2.imshow('Original Image', img) cv2.imshow('Otsu Thresholding', thresholded_img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个例子中，`thresholded_img`就是经过Otsu双阈值分割后的二值图像。在给定的`Otsu2Threshold.cpp`文件中，可能是用C++实现了Otsu双阈值分割的过程。在C++版本的OpenCV中，同样可以调用`cv::threshold`函数，但语法略有不同。开发者需要先将图像转换为灰度，然后使用`cv::THRESH_OTSU`标志来自动选择阈值。 Otsu双阈值分割是一种在图像处理中自动选取最佳阈值的方法，它能够有效地分离图像中的前景和背景，特别是在背景和前景对比度不明显的情况下。在OpenCV库的支持下，无论是Python还是C++，都可以方便地实现这一功能。

资源推荐

资源详情

资源评论

收起资源包目录

otsu_Threshold.7z （1个子文件）

Otsu2Threshold.cpp 4KB

void Otsu2Threshold(Mat& src, Mat& dst) { Mat img = src; //dst.create(src.size(), src.type()); CV_Assert(1 == img.channels()); int height = img.rows; int width = img.cols; int Threshold1 = 0;//阈值 int Threshold2 = 0;//阈值 double gSum_object;//第一类,前景灰度总值 double gSum_middle; double gSum_blackground;//第二类，背景灰度总值 double N_object = 0;//前景像素数 double N_middle = 0; double N_blackground = 0;//背景像素数 double u0 = 0;//前景像素平均灰度 double u1 = 0; double u2 = 0;//背景像素平均灰度 double w0 = 0;//前景像素点数占整幅图像的比例为ω0 double w1 = 0; double w2 = 0;//背景像素点数占整幅图像的比例为ω1 double u = 0;//总平均灰度 double tempg = -1;//临时类间方差 double g = -1;//类间方差 double Histogram[256]={0};//灰度直方图 double N_allpixel = width * height;//总像素数 for(int k = 0; k < height; k++) { //计算直方图 uchar* data = img.ptr<uchar>(k); for(int n = 0; n < width; n++) { Histogram[data[n]]++; } } // Mat Hist = Mat::zeros(256, 256, CV_8UC1); // //double *tmpHistogram = Histogram; // for(int k = 0; k < 256; k++) // { // //计算直方图 // uchar* data = Hist.ptr<uchar>(k); // Histogram[k] = Histogram[k]/2773*255; // for(int n = 0; n < (int)Histogram[k]; n++) // { // data[n] = 255; // } // } // imshow("hist", Hist); //计算阈值 int tmpBlack = 0; int tmpMiddle = 0; for (int i = 0; i < 256; i++) { N_object += Histogram[i]; N_blackground = 0; for (int k = i+10; k < 256; k++) { N_blackground += Histogram[k]; } //if(0 == N_object) continue;//没有前景跳出循环 for (int j = i+10; j < 256; j++) { gSum_object = 0; gSum_middle = 0; gSum_blackground = 0; N_middle = N_allpixel - N_object - N_blackground; w0 = N_object / N_allpixel; w2 = N_blackground / N_allpixel; w1 = 1 - w0 - w2; //求u0 for (int k = 0; k <= i; k++) { gSum_object += k*Histogram[k]; } u0 = gSum_object / N_object; //求u1 for (int k = i+1; k <= j; k++) { gSum_middle += k*Histogram[k] ; } u1 = gSum_middle / N_middle; //求u2 for(int k = j+1; k < 256; k++) { gSum_blackground += k*Histogram[k]; } u2 = gSum_blackground / N_blackground; u = w0*u0 + w1*u1 + w2*u2; g = w0*(u - u0)*(u - u0) + w1*(u - u1)*(u - u1) + w2*(u - u2)*(u - u2); if (tempg < g)//通过类间方差来修改阈值 { tempg = g; Threshold1 = (int)i; Threshold2 = (int)j; tmpBlack = N_object; tmpMiddle = N_middle; } N_blackground -= Histogram[j]; } } int MiddlePixel = 255; if (tmpBlack > tmpMiddle) { MiddlePixel = 0; } for (int y=0; y < height; y++) { uchar* dstdata = dst.ptr<uchar>(y); uchar* srcdata = src.ptr<uchar>(y); for (int x=0; x < width; x++) { if ((int)srcdata[x] > Threshold2) dstdata[x] = 255; if ((int)srcdata[x] > Threshold1 && (int)srcdata[x] <= Threshold2) dstdata[x] = MiddlePixel; if ((int)srcdata[x] <= Threshold1) dstdata[x] = 0; } } //黑色背景比例不足40%则认为背景为白，替换为黑背景 int BlackgroundNum = 0; int AllNum = dst.rows * dst.cols; for (int i = 0; i < dst.rows; i++) { uchar* data = dst.ptr<uchar>(i); for (int j = 0; j < dst.cols; j++) { if (data[j] == 0) { BlackgroundNum++; } } } float BlackgroundRatio = 0; BlackgroundRatio = (float)BlackgroundNum / (float)AllNum; if (BlackgroundRatio < 0.4) { dst = 255 - dst; } }

评论收藏

内容反馈