转载贴--自适应阈值:大津阈值法完全实现

最新推荐文章于 2023-05-28 21:43:14 发布

仗笔天涯小小鸟

最新推荐文章于 2023-05-28 21:43:14 发布

阅读量794

点赞数

分类专栏：图像分割文章标签：自适应阈值-大津阈值

图像分割专栏收录该内容

3 篇文章

订阅专栏

本文介绍了一种使用Otsu阈值法进行图像二值化的C++实现过程。通过计算图像的灰度直方图，并利用类间方差最大化原则确定最佳阈值，将图像转换为黑白二值图像。文中详细展示了算法的具体步骤。

具体算法的实现请看转载：http://blog.youkuaiyun.com/guoyk1990/article/details/7606032
博主写的挺好。

以下是我实现的过程：

/************************************************************************/
// author:冒失的鱼 
// version:vs2010+opencv2.4.10
/************************************************************************/
#include <iostream>
#include <opencv/cv.h>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>



int otsuThreshold(IplImage* img)
{

    int T = 0;//阈值
    int height = img->height;
    int width  = img->width;
    int step      = img->widthStep;
    int channels  = img->nChannels;
    uchar* data  = (uchar*)img->imageData;
    double gSum0;//第一类灰度总值
    double gSum1;//第二类灰度总值
    double N0 = 0;//前景像素数
    double N1 = 0;//背景像素数
    double u0 = 0;//前景像素平均灰度
    double u1 = 0;//背景像素平均灰度
    double w0 = 0;//前景像素点数占整幅图像的比例为ω0
    double w1 = 0;//背景像素点数占整幅图像的比例为ω1
    double u = 0;//总平均灰度
    double tempg = -1;//临时类间方差
    double g = -1;//类间方差
    double Histogram[256]={0};// = new double[256];//灰度直方图
    double N = width*height;//总像素数
    for(int i=0;i<height;i++)
    {//计算直方图
        for(int j=0;j<width;j++)
        {
            double temp = data[i*step + j * 3] * 0.114 + data[i*step + j * 3+1] * 0.587 + data[i*step + j * 3+2] * 0.299;
            temp = temp<0? 0:temp;
            temp = temp>255? 255:temp;
            Histogram[(int)temp]++;
        } 
    }
    //计算阈值
    for (int i = 0;i<256;i++)
    {
        gSum0 = 0;
        gSum1 = 0;
        N0 += Histogram[i];         
        N1 = N-N0;
        if(0==N1)break;//当出现前景无像素点时，跳出循环
        w0 = N0/N;
        w1 = 1-w0;
        for (int j = 0;j<=i;j++)
        {
            gSum0 += j*Histogram[j];
        }
        u0 = gSum0/N0;
        for(int k = i+1;k<256;k++)
        {
            gSum1 += k*Histogram[k];
        }
        u1 = gSum1/N1;
        //u = w0*u0 + w1*u1;
        g = w0*w1*(u0-u1)*(u0-u1);
        if (tempg<g)
        {
            tempg = g;
            T = i;
        }
    }
    return T; 
}


int main()
{

    cv::Mat img,image;
    //img = cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1);
    img = cv::imread("test.jpg");

    cvtColor(img,image,CV_BGR2GRAY);

    IplImage iplimage = image;

    int T;
    int width = image.rows;
    int height = image.cols;

    double time_cost = static_cast<double>(cv::getTickCount());


    T = otsuThreshold(&iplimage);

    for (int i=0;i<width;i++)
    {
        uchar *data = image.ptr<uchar>(i);
        for (int j=0;j<height;j++)
        {
            if (data[i,j]>T)
            {
                data[i,j] = 255;
            }
            else
            {
                data[i,j] = 0;
            }

        }

    }

    imshow("Image",image);

    time_cost = ((double)cv::getTickCount() - time_cost)/(cv::getTickFrequency());
    std::cout<<"运行时间："<<time_cost<<"s"<<std::endl;

    cv::waitKey(0);
    return 0;
}

这个样子的：