image and video processing听课笔记（五）

Otsu's method大津法

不同于边缘检测，otsu关注的是图像整体像素的分布

otsu可以通过找到直方图的分割阈值threshold来分离前景和背景图

如果单纯的处理上述c图的情况，otsu算法得不到理想的效果，因为找不到threshold

算法思想：

找到最小化类内方差的阈值

p(i)是通过直方图统计得到的，也就是一幅图中每个0~255的像素出现的概率，t代表threshold，q1(t)是1类的出现概率，q2(t)是2类的出现概率。

μ1和μ2分别是1类和2类的灰度均值，theta1和theta2分别是1类和2类的方差。

可以将t取遍0~255，找到使得类内方差值最小的t。但是还有一种方法，由于一幅图的方差（是个常数）等于前景和背景（1类和2类）的类内方差加上类间方差，所以目标等同于找到使得类间方差最大的threshold，这样会有更高的计算效率。

如果遇到非一致性的背景，用全局阈值效果就不会很好。根据实际情况，可以对图像的block使用otsu，也可以使用滑动窗口等。

MATLAB的graythresh函数提供了获得图像分割阈值的方法。