otsu自适应阈值分割的算法描述和opencv实现,及其在肤色检测中的应用

原文地址如下：http://blog.youkuaiyun.com/onezeros/article/details/6136770

otsu算法选择使类间方差最大的灰度值为阈值，具有很好的效果
算法具体描述见otsu论文，或冈萨雷斯著名的数字图像处理那本书
这里给出程序流程：
1、计算直方图并归一化histogram
2、计算图像灰度均值avgValue.
3、计算直方图的零阶w[i]和一级矩u[i]
4、计算并找到最大的类间方差（between-class variance）
variance[i]=(avgValue*w[i]-u[i])*(avgValue*w[i]-u[i])/(w[i]*(1-w[i]))
对应此最大方差的灰度值即为要找的阈值
5、用找到的阈值二值化图像

我在代码中做了一些优化，所以算法描述的某些地方跟程序并不一致

otsu代码，先找阈值，继而二值化

[cpp]view plaincopy 
   
 // implementation of otsu algorithm  
 // author: onezeros(@yahoo.cn)  
 // reference: Rafael C. Gonzalez. Digital Image Processing Using MATLAB  
 void cvThresholdOtsu(IplImage* src, IplImage* dst)  
 {  
     int height=src->height;  
     int width=src->width;      
       
     //histogram  
     float histogram[256]={0};  
     for(int i=0;i<height;i++) {  
         unsigned char* p=(unsigned char*)src->imageData+src->widthStep*i;  
         for(int j=0;j<width;j++) {  
             histogram[*p++]++;  
         }  
     }  
     //normalize histogram  
     int size=height*width;  
     for(int i=0;i<256;i++) {  
         histogram[i]=histogram[i]/size;  
     }  
       
     //average pixel value  
     float avgValue=0;  
     for(int i=0;i<256;i++) {  
         avgValue+=i*histogram[i];  
     }  
   
     int threshold;    
     float maxVariance=0;  
     float w=0,u=0;  
     for(int i=0;i<256;i++) {  
         w+=histogram[i];  
         u+=i*histogram[i];  
   
         float t=avgValue*w-u;  
         float variance=t*t/(w*(1-w));  
         if(variance>maxVariance) {  
             maxVariance=variance;  
             threshold=i;  
         }  
     }  
   
     cvThreshold(src,dst,threshold,255,CV_THRESH_BINARY);  
 }  

更多情况下我们并不需要对每一帧都是用otsu寻找阈值，于是可以先找到阈值，然后用找到的阈值处理后面的图像。下面这个函数重载了上面的，返回值就是阈值。只做了一点改变

[cpp]view plaincopy 
   
 // implementation of otsu algorithm  
 // author: onezeros(@yahoo.cn)  
 // reference: Rafael C. Gonzalez. Digital Image Processing Using MATLAB  
 int cvThresholdOtsu(IplImage* src)  
 {  
     int height=src->height;  
     int width=src->width;      
   
     //histogram  
     float histogram[256]={0};  
     for(int i=0;i<height;i++) {  
         unsigned char* p=(unsigned char*)src->imageData+src->widthStep*i;  
         for(int j=0;j<width;j++) {  
             histogram[*p++]++;  
         }  
     }  
     //normalize histogram  
     int size=height*width;  
     for(int i=0;i<256;i++) {  
         histogram[i]=histogram[i]/size;  
     }  
   
     //average pixel value  
     float avgValue=0;  
     for(int i=0;i<256;i++) {  
         avgValue+=i*histogram[i];  
     }  
   
     int threshold;    
     float maxVariance=0;  
     float w=0,u=0;  
     for(int i=0;i<256;i++) {  
         w+=histogram[i];  
         u+=i*histogram[i];  
   
         float t=avgValue*w-u;  
         float variance=t*t/(w*(1-w));  
         if(variance>maxVariance) {  
             maxVariance=variance;  
             threshold=i;  
         }  
     }  
   
     return threshold;  
 }  

我在手的自动检测中使用这个方法，效果很好。

下面是使用上述两个函数的简单的主程序，可以试运行一下，如果处理视频，要保证第一帧时，手要在图像中。

[cpp]view plaincopy 
   
 #include <cv.h>  
 #include <cxcore.h>  
 #include <highgui.h>  
 #pragma comment(lib,"cv210d.lib")  
 #pragma comment(lib,"cxcore210d.lib")  
 #pragma comment(lib,"highgui210d.lib")  
   
 #include <iostream>  
 using namespace std;  
   
 int main(int argc, char** argv)  
 {     
 #ifdef VIDEO //video process  
     CvCapture* capture=cvCreateCameraCapture(-1);  
     if (!capture){  
         cout<<"failed to open camera"<<endl;  
         exit(0);  
     }  
   
     int threshold=-1;  
     IplImage* img;    
     while (img=cvQueryFrame(capture)){  
         cvShowImage("video",img);  
         cvCvtColor(img,img,CV_RGB2YCrCb);  
   
         IplImage* imgCb=cvCreateImage(cvGetSize(img),8,1);  
         cvSplit(img,NULL,NULL,imgCb,NULL);  
         if (threshold<0){  
             threshold=cvThresholdOtsu(imgCb);  
         }  
         //cvThresholdOtsu(imgCb,imgCb);  
         cvThreshold(imgCb,imgCb,threshold,255,CV_THRESH_BINARY);  
         cvErode(imgCb,imgCb);  
         cvDilate(imgCb,imgCb);  
           
         cvShowImage("object",imgCb);  
         cvReleaseImage(&imgCb);  
   
         if (cvWaitKey(3)==27){//esc  
             break;  
         }  
     }     
   
     cvReleaseCapture(&capture);  
       
 #else //single image process  
     const char* filename=(argc>=2?argv[1]:"cr.jpg");  
     IplImage* img=cvLoadImage(filename,CV_LOAD_IMAGE_GRAYSCALE);  
   
     cvThresholdOtsu(img,img);  
     cvShowImage( "src", img );  
     char buf[256];  
     sprintf_s(buf,256,"%s.otsu.jpg",filename);  
     cvSaveImage(buf,img);  
   
     cvErode(img,img);  
     cvDilate(img,img);  
     cvShowImage( "dst", img );  
     sprintf_s(buf,256,"%s.otsu.processed.jpg",filename);  
     cvSaveImage(buf,img);  
   
     cvWaitKey(0);  
 #endif  
       
     return 0;  
 }  