大津法(最大类间方差、自适应阈值)图像分割
2010-06-08 13:41
806 查看
转自 http://hi.baidu.com/niiuniu1127/blog/item/5ac703da2e1b62deb6fd48bd.html
最大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定的方法,又叫大津
法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差
越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2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。
对于图像I(x,y),前景(即目标)和背景的分割阈值记作T,属于前景的像素点数占整幅图像的比
例记为ω0,其平均灰度μ0;背景像素点数占整幅图像的比例为ω1,其平均灰度为μ1。图像的总平均
灰度记为μ,类间方差记为g。
假设图像的背景较暗,并且图像的大小为M×N,
图像中像素的灰度值小于阈值T的像素个数记作N0,像素灰度大于阈值T的像素个数记作N1,则有:
ω0=N0/ M×N (1)
ω1=N1/ M×N (2)
N0+N1=M×N (3)
ω0+ω1=1 (4)
μ=ω0*μ0+ω1*μ1 (5)
g=ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6)
将式(5)代入式(6),得到等价公式:
g=ω0ω1(μ0-μ1)^2 (7)
采用遍历的方法得到使类间方差最大的阈值
T,即为所求。
最大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定的方法,又叫大津
法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差
越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2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。
对于图像I(x,y),前景(即目标)和背景的分割阈值记作T,属于前景的像素点数占整幅图像的比
例记为ω0,其平均灰度μ0;背景像素点数占整幅图像的比例为ω1,其平均灰度为μ1。图像的总平均
灰度记为μ,类间方差记为g。
假设图像的背景较暗,并且图像的大小为M×N,
图像中像素的灰度值小于阈值T的像素个数记作N0,像素灰度大于阈值T的像素个数记作N1,则有:
ω0=N0/ M×N (1)
ω1=N1/ M×N (2)
N0+N1=M×N (3)
ω0+ω1=1 (4)
μ=ω0*μ0+ω1*μ1 (5)
g=ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6)
将式(5)代入式(6),得到等价公式:
g=ω0ω1(μ0-μ1)^2 (7)
采用遍历的方法得到使类间方差最大的阈值
T,即为所求。
相关文章推荐
- matlab基于遗传算法的最大熵值法的双阈值图像分割
- 自适应阈值二值化之最大类间方差法(大津法,OTSU)
- 图像分割自适应阈值的求取
- 自适应阈值二值化之最大类间方差法(大津法,OTSU)
- 【图像处理】图像分割-全局固定值阈值分割,局部阈值分割、大津Otsu自适应阈值分割
- 最大方差阈值分割--OTSU
- 基于最大稳定区域的图像分割算法
- 图像分割阈值选取技术综述
- Opencv图像识别从零到精通(15)-----阈值分割、固定阈值Threshold、自适应阈值分割adaptiveThreshold、OSTU大津法
- 基于Otsu算法的图像自适应阈值切割
- matlab练习程序(最大类间方差二值化图像)
- 基于OTSU算法和基本粒子群优化算法的双阈值图像分割
- 图像分割--使用迭代算法的全局阈值处理
- 图像分割阈值选取技术综述(转)
- 光照不均匀图像分割技巧1——分块阈值
- 基于梯度调整的矩不变自动阈值图像分割算法
- 基于阈值图像分割
- python数字图像处理(11):图像自动阈值分割
- 图像分割阈值选取技术综述
- opencv——最大阈值分割