图像处理------基于Otsu阈值二值化

一:基本原理

该方法是图像二值化处理常见方法之一,在Matlab与OpenCV中均有实现。

Otsu Threshing方法是一种基于寻找合适阈值实现二值化的方法,其最重

要的部分是寻找图像二值化阈值,然后根据阈值将图像分为前景(白色)

或者背景(黑色)。假设有6x6的灰度图像,其像素数据及其对应的直方

图如下图:

图像处理------基于Otsu阈值二值化

阈值寻找方法首先假设是为T=3,则背景像素的比重、均值、方差的计算

结果如下:

图像处理------基于Otsu阈值二值化

根据前景像素直方图,计算比重、均值、方差的过程如下:

, 0, width, height, inPixels );

  • int index = 0;
  • for(int row=0; row<height; row++) {
  • int ta = 0, tr = 0, tg = 0, tb = 0;
  • for(int col=0; col<width; col++) {
  • index = row * width + col;
  • ta = (inPixels[index] >> 24) & 0xff;
  • tr = (inPixels[index] >> 16) & 0xff;
  • tg = (inPixels[index] >> 8) & 0xff;
  • tb = inPixels[index] & 0xff;
  • int gray= (int)(0.299 *tr + 0.587*tg + 0.114*tb);
  • inPixels[index]  = (ta << 24) | (gray << 16) | (gray << 8) | gray;
  • }
  • }
  • // 获取直方图
  • int[] histogram = new int[256];
  • for(int row=0; row<height; row++) {
  • int tr = 0;
  • for(int col=0; col<width; col++) {
  • index = row * width + col;
  • tr = (inPixels[index] >> 16) & 0xff;
  • histogram[tr]++;
  • }
  • }
  • // 图像二值化 - OTSU 阈值化方法
  • double total = width * height;
  • double[] variances = new double[256];
  • for(int i=0; i<variances.length; i++)
  • {
  • double bw = 0;
  • double bmeans = 0;
  • double bvariance = 0;
  • double count = 0;
  • for(int t=0; t<i; t++)
  • {
  • count += histogram[t];
  • bmeans += histogram[t] * t;
  • }
  • bw = count / total;
  • bmeans = (count == 0) ? 0 :(bmeans / count);
  • for(int t=0; t<i; t++)
  • {
  • bvariance += (Math.pow((t-bmeans),2) * histogram[t]);
  • }
  • bvariance = (count == 0) ? 0 : (bvariance / count);
  • double fw = 0;
  • double fmeans = 0;
  • double fvariance = 0;
  • count = 0;
  • for(int t=i; t<histogram.length; t++)
  • {
  • count += histogram[t];
  • fmeans += histogram[t] * t;
  • }
  • fw = count / total;
  • fmeans = (count == 0) ? 0 : (fmeans / count);
  • for(int t=i; t<histogram.length; t++)
  • {
  • fvariance += (Math.pow((t-fmeans),2) * histogram[t]);
  • }
  • fvariance = (count == 0) ? 0 : (fvariance / count);
  • variances[i] = bw * bvariance + fw * fvariance;
  • }
  • // find the minimum within class variance
  • double min = variances[0];
  • int threshold = 0;
  • for(int m=1; m<variances.length; m++)
  • {
  • if(min > variances[m]){
  • threshold = m;
  • min = variances[m];
  • }
  • }
  • // 二值化
  • System.out.println("final threshold value : " + threshold);
  • for(int row=0; row<height; row++) {
  • for(int col=0; col<width; col++) {
  • index = row * width + col;
  • int gray = (inPixels[index] >> 8) & 0xff;
  • if(gray > threshold)
  • {
  • gray = 255;
  • outPixels[index]  = (0xff << 24) | (gray << 16) | (gray << 8) | gray;
  • }
  • else
  • {
  • gray = 0;
  • outPixels[index]  = (0xff << 24) | (gray << 16) | (gray << 8) | gray;
  • }
  • }
  • }
  • setRGB(dest, 0, 0, width, height, outPixels );
  • return dest;
  • }
  • }
  • 上一篇:禅道在docker上部署与迁移


    下一篇:linux make clean