OTSU 阈值计算在OpenCV中的实现
2017-12-23 16:43
239 查看
OTSU 阈值的计算在OpenCV中的实现
OpenCV 版本:2.4.9主要分享一下OpenCV otsu 阈值计算函数的学习
个人觉得容易混淆的概念是
1.直方图长度:8位图的直方图x轴长度是256 而不是255
百度百科中对otsu 描述:
最大类间方差法(otsu)的公式推导:
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。
则图像的总平均灰度为:u=w0*u0+w1*u1。
前景和背景图象的方差:g=w0*(u0-u)(u0-u)+w1(u1-u)(u1-u)=w0*w1(u0-u1)*(u0-u1),此公式为方差公式。
可参照概率论课本上面的g的公式也就是下面程序中的sb的表达式。当方差g最大时,可以认为此时前景和背景差异最大,此时的灰度t是最佳阈值sb = w0*w1*(u1-u0)*(u0-u1)
OpenCV 源码分析
static double getThreshVal_Otsu_8u( const Mat& _src ) { Size size = _src.size(); if( _src.isContinuous() )//判断下图像每一行的最后一个数据后面紧接着保存了下一行第一个数据。 { size.width *= size.height;//提高效率的地方(1) size.height = 1; } const int N = 256; int i, j, h = {0}; for( i = 0; i < size.height; i++ ) { const uchar* src = _src.data + _src.step*i;//获取每一行首地址 j = 0; #if CV_ENABLE_UNROLLED for( ; j <= size.width - 4; j += 4 )//4为步长行向遍历 { int v0 = src[j], v1 = src[j+1];//获取当前灰度和下一个像素的灰度 h[v0]++; h[v1]++;//统计 v0 = src[j+2]; v1 = src[j+3]; h[v0]++; h[v1]++;//统计 } #endif for( ; j < size.width; j++ ) h[src[j]]++;//重新统计 } double mu = 0, scale = 1./(size.width*size.height);//像素总数的倒数 for( i = 0; i < N; i++ ) mu += i*(double)h[i];//灰度和灰度统计值(hist图纵轴值)相乘,并求和 mu *= scale;//归一化 double mu1 = 0, q1 = 0; double max_sigma = 0, max_val = 0; for( i = 0; i < N; i++ ) { double p_i, q2, mu2, sigma; p_i = h[i]*scale; mu1 *= q1; q1 += p_i; q2 = 1. - q1; if( std::min(q1,q2) < FLT_EPSILON || std::max(q1,q2) > 1. - FLT_EPSILON ) continue; mu1 = (mu1 + i*p_i)/q1; mu2 = (mu - q1*mu1)/q2; sigma = q1*q2*(mu1 - mu2)*(mu1 - mu2); if( sigma > max_sigma ) { max_sigma = sigma; max_val = i; } } return max_val; }
相关文章推荐
- otsu结合OpenCV实现灰度图像自动阈值处理
- otsu自适应阈值分割的算法描述和opencv实现,及其在肤色检测中的应用
- OTSU方法计算图像二值化的自适应阈值
- OpenCV实现图像阈值化
- opencv 实现验证otsu
- Otsu的全局阈值处理实现
- C++使用opencv实现彩色直方图计算
- OTSU方法计算图像二值化的自适应阈值
- OpenCV实现局部动态阈值分割
- 图像相似度计算之哈希值方法OpenCV实现
- OpenCV下三对点计算仿射变换实现图像的水平镜像(翻转)的详细说明和源程序
- otsu自适应阈值分割的算法描述和opencv实现,及其在肤色检测中的应用
- otsu自适应阈值分割的算法描述和opencv实现,及其在肤色检测中的应用[转]
- 自动选择阈值--最大类间方差法(OTSU)原理及matlab实现
- OTSU方法计算图像二值化的自适应阈值
- 计算图像直方图(OpenCV内置实现)
- OpenCV学习笔记(18)双目测距与三维重建的OpenCV实现问题集锦(三)立体匹配与视差计算
- OpenCV学习笔记(18)双目测距与三维重建的OpenCV实现问题集锦(三)立体匹配与视差计算
- OpenCV学习——物体跟踪的粒子滤波算法实现之计算选定区域直方图
- 在opencv中,强分类器阈值是如何确定的?虚警率是怎么计算的?