otsu算法——图像分割.pptxVIP

基于二维直方图双斜率划分的快速 Otsu 图像分割算法;论文绪论;论文绪论; 图像分割是图像处理的重要步骤，它可以将感兴趣的目标图像区域和背景分割开后做相关的处理，是后续其他处理的前提。本文所述算法是为了克服Otsu算法对图像分割的不足，在二维Otsu的基础上提出了基于二维直方图双斜率划分的快速Otsu分割算法。本文将对一维Otsu算法、二维Otsu算法和本文算法的思想和实现进行的讲解。;算法讲解;一维Otsu算法;1.一维Otsu算法;算法过程： （1）对于图像I(x,y),将前景与背景的分割阈值设为T。 （2）将属于前景的像素点的个数占整个图像的比例设为w0，其平均灰度设为u0。 （3）将属于背景的像素点的个数占整个图像的比例设为w1，其平均灰度设为u1。 （4）图像的总平均灰度设为u，类间方差设为S。 假设图片的大小为M*N，图像中像素灰度值小于阈值T的像素个数记为N0，???素灰度大于阈值T的像素个数记为N1。则它们之间的关系如下。;前景比例：;核心代码： Histogram[data[i*srcimage.step + j]]++; //step指向每行的字节总量，date访问每个像素的值 for (int i = 1; i 255 ;i++)//从1开始遍历，寻找最合适的值 { //每次遍历前需要初始化各变量 w0 = 0; u0 = 0; w1 = 0; u1 = 0; for (int j = 0; j = i; j++)//背景部分各值计算 { w0 += Histogram[j]; //背景部分像素点总数 u0 += j*Histogram[j]; //背景部分像素总灰度和 } u0 = u0 / w0; //背景像素平均灰度 w0 = w0 / number; //背景部分像素点所占比例 } double varValueI = w1*w2*(u1 - u2)*(u1 - u2); //类间方差计算;2.二维Otsu算法;算法过程： （1）设图像I(x,y),的灰度级为L级，那么图像的邻域平均灰度也分为L级。 （2）设f(x,y)为像素点(x,y)的灰度值，g(x,y)为像素点(x,y)为中心的K*K的像 素点集合的灰度平均值。令f(x,y)=i,g(x,y)=j，然后就形成了一个二元组 (i,j)。 （3）设二元组（i,j）出现的次数为fij，然后求出二元组对应的概率密度Pij， Pij=fij/N, i,j=1,2，…，L，其中N为图像像素点总数。 （4）任意选取一个阈值向量(s,t)选取的阈值向量将图像的二维直方图划分成4个 区域，B、C区域代表图像的前景和背景，A、D区域代表噪声点。图片如下：;（5）设C、B两个区域对应的概率分别为w1， w2，对应的均值矢量为u1，u2。整个图 片所对应的均值矢量为uT。;（6）一般情况下，远离主对角线的点可以忽略（代表边缘点和噪声点）,则有： w1+w1≈1，并且uT≈w1*u1+w2*u2，与一维Otsu算法的类间方差相似，这里 定义一个类间离散矩阵： （7）为了衡量这个离散矩阵的大小，采用矩阵的迹来代表矩阵的值。 （矩阵的迹为主对角线上各元素的和） ;核心代码：;3.基于二维直方图双斜率划分的快速 Otsu图像分割算法;算法过程： （1）设K(x,y)=f(x,y)/g(x,y)为像素点的 斜率，其中f(x,y)为点(x,y)的灰度值， g(x,y)为点(x,y)周围点的平均值。 （2）设阈值t1，t2将二维直方图分为A、B、 C三个区域。其中B区域代表前景和背 景像素点部分，而A、C代表边界点和 噪声点部分。 ;（3）设w1(t1,t2)、w2(t1,t2)、w3(t1,t2)为3类区域对应的概率，u1(t1,t2)、 u2(t1,t2)、u3(t1,t2)为三类区域对应的斜率均值。 （4）设ni为斜率K(x,y)=i的像素点的个数，斜率为i的点的概率为pi=ni/N。N为 像素点总数。;（5）设整个图像的斜率均值为u。 （6）三类的类间方差平方和为σ2。当它的值取最大时得到阈值t1,和t2。 （7）最后对划分出来的有效区域B进行一维Otsu算法，求出最终阈值。;核心代码：;实验结果; 阈值：（84,91）;一维Otsu算法结果：;参考文献;参考文献 [1] 袁健,程国涛. 基于二维直方图双斜率划分的快速Otsu图像分割算法[J].