OTSU阈值分割

OTSU阈值处理（最大类间方差），算法步骤如下：
【1】统计灰度级中每个像素在整幅图像中的个数。
【2】计算每个像素在整幅图像的概率分布。
【3】对灰度级进行遍历搜索，计算当前灰度值下前景背景类间概率。
【4】通过目标函数计算出类内与类间方差下对应的阈值。

注：
OTSU能够很好的分割图像中直方图波峰和波谷不明显的图像，但计算量比较大。

示例代码如下：

#include <stdio.h>
#include <string>
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/opencv.hpp"
using namespace std;
using namespace cv;
// 大均法函数实现
int OTSU(cv::Mat srcImage)
{
    int nCols = srcImage.cols;
    int nRows = srcImage.rows;
    int threshold = 0;
    // 初始化统计参数
    int nSumPix[256];
    float nProDis[256];
    for (int i = 0; i < 256; i++)
    {
        nSumPix[i] = 0;
        nProDis[i] = 0;
    }
    // 统计灰度级中每个像素在整幅图像中的个数 
    for (int i = 0; i < nCols; i++)
    {
        for (int j = 0; j < nRows; j++)
        {
            nSumPix[(int)srcImage.at<uchar>(i, j)]++;
        }
    }
    // 计算每个灰度级占图像中的概率分布
    for (int i = 0; i < 256; i++)
    {
        nProDis[i] = (float)nSumPix[i] / (nCols * nRows);
    }
    // 遍历灰度级[0,255],计算出最大类间方差下的阈值  
    float w0, w1, u0_temp, u1_temp, u0, u1, delta_temp;
    double delta_max = 0.0;
    for (int i = 0; i < 256; i++)
    {
        // 初始化相关参数
        w0 = w1 = u0_temp = u1_temp = u0 = u1 = delta_temp = 0;
        for (int j = 0; j < 256; j++)
        {
            //背景部分 
            if (j <= i)
            {
                // 当前i为分割阈值，第一类总的概率  
                w0 += nProDis[j];
                u0_temp += j * nProDis[j];
            }
            //前景部分   
            else
            {
                // 当前i为分割阈值，第一类总的概率
                w1 += nProDis[j];
                u1_temp += j * nProDis[j];
            }
        }
        // 分别计算各类的平均灰度 
        u0 = u0_temp / w0;
        u1 = u1_temp / w1;
        delta_temp = (float)(w0 *w1* pow((u0 - u1), 2));
        // 依次找到最大类间方差下的阈值    
        if (delta_temp > delta_max)
        {
            delta_max = delta_temp;
            threshold = i;
        }
    }
    return threshold;
}
int main()
{
    // 图像读取及判断
    cv::Mat srcImage = cv::imread("..\\images\\sea.jpg");
    if (!srcImage.data)
        return 1;
    // 灰度转换
    cv::Mat srcGray;
    cv::cvtColor(srcImage, srcGray, CV_RGB2GRAY);
    cv::imshow("srcGray", srcGray);
    // 调用OTSU二值化算法得到阈值
    int  ostuThreshold = OTSU(srcGray);
    std::cout << ostuThreshold << std::endl;
    // 定义输出结果图像
    cv::Mat otsuResultImage =
        cv::Mat::zeros(srcGray.rows, srcGray.cols, CV_8UC1);
    // 利用得到的阈值实现二值化操作
    for (int i = 0; i < srcGray.rows; i++)
    {
        for (int j = 0; j < srcGray.cols; j++)
        {
            // 满足大于阈值ostuThreshold置255
            if (srcGray.at<uchar>(i, j) > ostuThreshold)
                otsuResultImage.at<uchar>(i, j) = 255;
            else
                otsuResultImage.at<uchar>(i, j) = 0;
        }
    }
    cv::imshow("otsuResultImage", otsuResultImage);
    cv::waitKey(0);
    return 0;
}

---

使用opencv库函数实现的代码如下：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
#include <cstdlib>
#include <cmath>
#include <limits>
using namespace cv;
using namespace std;

int main()
{
    Mat otsuMat;
    Mat grayMat;
    Mat srcImage =
        cv::imread("test.tif");
    if (!srcImage.data)
        return -1;
    imshow("srcImage", srcImage);
    // 阈值操作
    cvtColor(srcImage, grayMat, CV_BGR2GRAY);
    threshold(grayMat, otsuMat, 0, 255,CV_THRESH_BINARY + CV_THRESH_OTSU);
    imshow("otsuMat", otsuMat); 
    waitKey(0);
    return 0;

}

结果如下：