图像二值化的otsu算法

参考：https://blog.youkuaiyun.com/piaoxuezhong/article/details/78302893

• 算法原理

在图像处理中Otsu方法，是以 Nobuyuki otsu 的名字命名的（日本人，大津展之），常用于基于图像分割的聚类。该算法的理论依据是：假定图像包含两类像素（前景像素和背景像素），直方图为双峰直方图，然后计算使得两类像素能分开的最佳阈值，即使得类间方差最大。

Otsu算法原理：
对于图像 I(x,y)，前景(即目标)和背景的分割阈值记作 T，属于前景的像素点数占整幅图像的比例记为 ω0，平均灰度为 μ0；背景像素点数占整幅图像的比例为 ω1，平均灰度为 μ1；整幅图像的平均灰度记为μ，类间方差记为g。
假设图像大小为M×N，图像中像素的灰度值小于阈值 T 的像素个数为 N0，像素灰度大于阈值T的像素个数为 N1，那么：
　　　　　　ω0=N0/ M×N                      (1)
　　　　　　ω1=N1/ M×N                      (2)
　　　　　　N0+N1=M×N                      (3)
　　　　　　ω0+ω1=1　　　                 (4)
　　　　　　μ=ω0*μ0+ω1*μ1                 (5)
　　　　　　g=ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6)
　　　　　　g=ω0ω1(μ0-μ1)^2 　　      (7)　
采用遍历的方法使得类间方差g最大的阈值T，即为所求。Ostu方法可以形象地理解为：求取直方图有两个峰值的图像中那两个峰值之间的低谷值 T 。

• 代码实现

遍历[0,255]的方式求出最优解

• python学习

统计：numpy.histogram(list, bins)

可视化：matplotlib.pyplot.hist(list, bins)

 

TODO：彩色图片