Ots算法(的大律法或最大类间方差法)学习指导.docVIP

Otsu算法(大律法或最大类间方差法tsu最大类间方差法原理阈值将原图分成前景，背景两个图象。前景：用n1,csum,m1来表示在当前阈值下的前景的点数，质量矩，平均灰度后景：用n2, sum-csum,m2来表示在当前阈值下的背景的点数，质量矩，平均灰度当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准而在otsu算法中这个衡量差别的标准就是最大类间方差（英文简称otsu，这也就是这个算法名字的来源）在本程序中类间方差用sb表示，最大类间方差用fmax关于最大类间方差法（otsu）的性能:类间方差法对噪音和目标大小十分敏感，它仅对类间方差为单峰的图像产生较好的分割效果。当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时效果不好，但是类间方差法是用时最少的。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，此时的灰度是最佳阈值sb = 1*w2*(u1-u0)*(u0-u1) 算法实现1： unsafe public int GetThreshValue(Bitmap image) { BitmapData bd = image.LockBits(new Rectangle(0, 0, image.Width, image.Height), ImageLockMode.WriteOnly, image.PixelFormat); byte* pt = (byte*)bd.Scan0; int[] pixelNum = new int[256]; //图象直方图，共256个点 byte color; byte* pline; int n, n1, n2; int total; //total为总和，累计值 double m1, m2, sum, csum, fmax, sb; //sb为类间方差，fmax存储最大方差值 int k, t, q; int threshValue = 1; // 阈值 int step = 1; switch (image.PixelFormat) { case PixelFormat.Format24bppRgb: step = 3; break; case PixelFormat.Format32bppArgb: step = 4; break; case PixelFormat.Format8bppIndexed: step = 1; break; } //生成直方图for (int i = 0; i image.Height; i++) { pline = pt + i * bd.Stride; for (int j = 0; j image.Width; j++) { color = *(pline + j * step); //返回各个点的颜色，以RGB表示 pixelNum[color]++; //相应的直方图加1 } } //直方图平滑化 for (k = 0; k = 255; k++) { total = 0; for (t = -2; t = 2; t++) //与附近2个灰度做平滑化，t值应取较小的值 { q = k + t; if (q 0) //越界处理 q = 0; if (q 255) q = 255; total = total + pixelNum[q]; //total为总和，累计值 } //平滑化，左边2个+中间1个+右边2个灰度，共5个，所以总和除以5，后面加0.5是用修正值 pixelNum[k] = (int)((float)total / 5.0 + 0.5); } //求阈值 sum = csum = 0.0; n = 0; //计算总的图象的点数和质量矩，为后面的计算做准备 for (k = 0; k = 255; k++) { //x*f(x)质量矩，也就是每个灰度的值乘以其点数（归一化后为概率），sum为其总和 sum += (double)k * (doub