OTSU算法可以说是自适应计算单阈值用来转换灰度图像为二值图像.DOCVIP

OTSU算法 OTSU算法以最佳门限将图像灰度直方图分割成两部分，使两部分类间方差取最大值，即分离性最大。 设图像灰度级 ，第 级象素 个,总象素 ，则第级灰度出现的概率为 。 设灰度门限值为 ，则图像像素按灰度级被分为两类: ， 图像总平均灰度级： 类的平均灰度级为: ，像素数为: 类的平均灰度级为: , 像素数为: 两部分图像所占比例分别为: 对，均值作处理: 图像总均值可化为: 类间方差: 化为: 从变化，使 最大的 即为所求之最佳门限。 称为目标选择函数。 My code： int i; //图像灰度级 from 0－－255 double n[256]; //第i级像素n[i]个 double Pro[256]; //第i级灰度出现的概率 double Tavegray = 0; //图像总平均灰度级 double avegray0[256] ; //C0类的平均灰度级 double avegray1[256] ; //C1类的平均灰度级 int N = 0; //总像素 int N0 = 0; //C0类的像素数 int N1 = 0; //C1类的像素数 double w0 = 0, w1 = 0; //分别为两部分图像所占比例 double mean0 = 0, mean1 = 0, mean = 0; //对C0，C1 均值作处理，及图像总均值 double var[256]; //类间方差 int k = 0; //灰度门限值 double w[256]; //w[k]当门限值为k时，C0类图像所占的比值 int Threshold; //门限值 //数组初始化 for( i = 0; i 256; i++ ) { n[i] = 0; Pro[i] = 0; avegray0[i] = 0; avegray1[i] = 0; var[i] = 0; w[i] = 0; } int I; LPSTR lpDibHdr = (LPSTR)::GlobalLock(hDib); LPBITMAPINFOHEADER lpbmi = (LPBITMAPINFOHEADER)lpDibHdr; //得到指向位图的信息头结构的指针 LPSTR lpDibBits = lpDibHdr - lpbmi-biSize; //得到指向位图数据的指针 for( int y = 0; y lpbmi-biHeight; y++ ) { for( int x = 0; x lpbmi-biWidth; x++ ) { COLORREF c; BYTE* pDate = (BYTE*)lpDibBits + (lpbmi-biHeight-y) * getpiont( hDib )+ ( x ) * 3; //((lpbmi-biWidth*24+31)/32*4) c = RGB( pDate[2], pDate[1], pDate[0]); // COLORREF cNew; // BYTE* pDateNew = (BYTE*)lpNewDibBits + (lpNewbmi-biHeight -y) * getpiont(hDib) + ( x ) * 3; //((lpbmi-biWidth*24+31)/32*4) // cNew = RGB( pDateNew[2], pDateNew[1], pDateNew[0]); I = ( pDate[2] + pDate[1] + pDate[0] ) / 3; n[I]++; } } //总象素 for( i = 0; i 256; i++ ) { N += n[i]; } //第i级灰度出现的概率 for( i = 0; i 256; i++ ) { Pro[i] = ( n[i] / N ); } //图像总平均灰度级 for( i = 1; i = 256; i++ ) { Tavegray += ( i * Pro[i - 1] ); } for ( k = 0; k 256; k++ ) { for( i = 1; i k+1 ; i++ ) { avegray0[k] += i*Pro[i];//C0类的平均灰度级 // N0 += n[