OTSU阈值化

在阈值处理中，常用的算法就是OTSU，OTSU是在1979年提出的一种寻找图像阈值的最大类间方差算法。

步骤如下：

1.统计灰度及中每个像素在整幅图中的个数

2.计算每个像素在整幅图像中的概率分布

3.对灰度级进行遍历搜索，计算当前灰度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

代码如下：

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/opencv.hpp"
#include "opencv2/core/core.hpp"
#include <stdio.h>
#include <string>
using namespace std;
using namespace cv;
//OTSU函数实现
int OTSU(cv::Mat srcImage)
{
	int nCols = srcImage.cols;
	int nRows = srcImage.rows;
	int threshold = 0;
	//统计初始化参数
	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附图中的个数
	for (int i = 0; i < nRows; i++)
	{
		for (int j = 0; j < nCols; 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;
	float delta_max = 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];
			}
		}
		//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()
{
	cv::Mat srcImage = cv::imread("C:\\Users\\LP\\Desktop\\C++\\ConsoleApplication4\\ConsoleApplication4\\RGBFlower4.jpg");
	
	if (srcImage.empty())
	{
		return -1;
	} 
	cv::imshow("原图像", srcImage);
	//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);
	//利用得到的阈值进行二值化操作
	for (int i = 0; i < srcGray.rows; i++)
	{
		for (int j = 0; j < srcGray.cols; j++)
		{
			//高像素阈值判断
			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;
}