最大熵阈值分割实现

原创已于 2022-06-08 16:55:18 修改 · 301 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#opencv

于 2021-06-11 19:34:14 首次发布

OpenCV 专栏收录该内容

47 篇文章

订阅专栏

该博客介绍了最大熵值法在图像分割中的应用，提供了一段C++代码实现。通过对输入图像的像素值进行统计，计算不同阈值下的前后区域熵，选择熵最大的阈值进行分割，最终将图像二值化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

原理：
在这里插入图片描述
实现：

/**
 * @description:	最大熵值法图像分割
 * @param src		输入图像
 * @param dst		输出图像
 */
void maxentropy(cv::Mat& src, cv::Mat& dst)
{
	int thresh = 0;
	int histogram[256] = { 0 };
	for (int i = 0; i < src.rows; ++i)
	{
		const uchar* ptr = src.ptr<uchar>(i);
		for (int j = 0; j < src.cols; ++j)
		{
			if (ptr[j] == 0) continue;
			histogram[ptr[j]]++;
		}
	}

	float p = 0.0; 
	float max_entropy = 0.0; 
	int totalnum = src.rows*src.cols;
	for (int i = 0; i < 256; ++i)
	{
		float front_entropy = 0.0; 
		float back_entropy = 0.0; 

		int frontnum = 0;
		for (int j = 0; j < i; ++j) 
		{
			frontnum += histogram[j];
		}
		for (int j = 0; j < i; ++j)
		{
			if (histogram[j] != 0)
			{
				p = (float)histogram[j] / frontnum;
				front_entropy += p*log(1 / p);
			}
		}

		for (int k = i; k < 256; ++k) 
		{
			if (histogram[k] != 0)
			{
				p = (float)histogram[k] / (totalnum - frontnum);
				back_entropy += p*log(1 / p);
			}
		}

		if (front_entropy + back_entropy > max_entropy) 
		{
			max_entropy = front_entropy + back_entropy;
			thresh = i ;
		}
	}

	dst = src.clone();
	for (int i = 0; i < dst.rows; ++i)
	{
		uchar* ptr = dst.ptr<uchar>(i);
		for (int j = 0; j < dst.cols; ++j)
		{
			if (ptr[j] > thresh)
				ptr[j] = 255;
			else
				ptr[j] = 0;
		}
	}
}