OpenCV编程：最大熵阈值分割算法实现(代码可运行)

        将信息论中的 shannon 熵概念用于图像分割， 其依据是使得图像中目标与背景分布的信息量最大，即通过测量图像灰度直方图的熵，找出最佳阈值。根据 shannon 熵的概念，对于灰度范围为 0,1,2,…,L-1 的图像，其直方图的熵定义为（仅仅是定义） ：


其中pi为像素值为 i 的像素占整个图像的概率。

       设阈值 t 将图像划分为目标 O 和背景 B 两类，他们的概率分布分别为：



       最佳阈值 T 为使得图像的总熵取得最大值：T=argmax(H(t))

此方法不需要先验知识， 而且对于非理想双峰直方图的图像也可以进行较好的分割。 缺点:运算速度较慢不适合实时处理。 仅仅考虑了像素点的灰度信息， 没有考虑到像素点的空间信息，所以当图像的信噪比较低时分割效果不理想。

      下面程序使用OpenCV的相关函数，实现了最大熵阈值分割算法，参考自网上博友：作者为crond123和DELPHI&.NET初学者[TECSOON
WENDAY]

     本人在自己的运行过程中，根据错误提示进行相应修改，分别用OpenCV1和

OpenCV2实现最大熵阈值分割。我的开发环境是VS2012+OpenCV2.4.10。

程序运行结果如下所示：

  原始图



输出结果：



   

如果需要代码可以下载，地址：

OpenCV2版本：http://download.csdn.net/detail/lanmeng_smile/9306673

OpenCV1版本：http://download.csdn.net/detail/lanmeng_smile/9307113