大津法进行图像二值化opencv

最新推荐文章于 2024-08-31 19:06:57 发布

原创最新推荐文章于 2024-08-31 19:06:57 发布 · 783 阅读

1 ·

CC 4.0 BY-SA版权

图像处理同时被 3 个专栏收录

16 篇文章

订阅专栏

C++

15 篇文章

订阅专栏

opencv

2 篇文章

订阅专栏

本文详细介绍了如何使用OpenCV库实现Otsu阈值算法，通过计算灰度直方图并找到最佳阈值来分割图像。算法首先创建灰度直方图，然后归一化直方图，接着计算全局平均值和每个可能的阈值对应的类内方差，最终选取使类内方差最大的阈值作为分割阈值。

int Ostu(cv::Mat &temp,int &Threshvalue)
{
   int hist_size=256;
   int hist_height=256;
   float range[]={0,255};
   float *ranges[]={range};
   IplImage *src=&IplImage(temp);
   CvHistogram* gray_hist=cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1);
   cvCalcHist(&src,gray_hist,0,0);
   cvNormalizeHist(gray_hist,1.0);
   int Width=src->width;
   int Height=src->height;
   double delta=0.0;
   double U_t=0;
   for(int i=0;i<256;i++)
   {
       U_t+=cvQueryHistValue_1D(gray_hist,i)*i;
   }
   double u=0,w=0;
   for(int j=0;j<256;j++)
   {
       u+=cvQueryHistValue_1D(gray_hist,j)*j;
       w+=cvQueryHistValue_1D(gray_hist,j);
       double t=U_t*w-u;
       double delta_tmp=t*t/(w*(1-w));
       if(delta_tmp>delta)
       {
           delta=delta_tmp;
           Threshvalue=j;
       }
   }
   cvReleaseHist(&gray_hist);
   return Threshvalue;
}