二值化算法OTSU源码解析

小白学视觉

共 1603字,需浏览 4分钟

 ·

2022-01-20 06:50

点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达


概述:


本文中小编将会跟大家分享一下OpenCV3.1.0中图像二值化算法OTSU的基本原理与源代码解析,最终还通过几行代码演示了一下如何使用OTSU算法API实现图像二值化。


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阈值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:


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:



然后使用上述计算结果,计算类内方差:


上述整个计算步骤与结果是假设阈值T=3时候的结果,同样计算假设阈值为T=0、T=1、T=2、T=4、T=5的类内方差,比较类内方差之间的值,最小类内方差使用的阈值T即为图像二值化的阈值。


      上述是假设图像灰度值级别为0~5六个值,实际中图像灰度值取值范围为0~255之间,所以要循环计算使用每个灰度值作为阈值,得到类内方差,最终取最小类内方差对应的灰度值作为阈值实现图像二值化即可。


二:OpenCV实现源代码解析


OTSU的源代码可以参见-modules/imgproc/src/thresh.cpp源文件接口,下面对其中关键部分做出说明如下:

首先建立直方图的代码如下:


寻找内方差最小的阈值T的代码实现如下


上述代码主要功能是实现阈值寻找,多数人看到OpenCV源代码都会对OTSU的原理产生怀疑,明明是寻找最大值啊,原因是这样,最小的内方差值还等价于两类数据的最大方差,公式如下:


代码计算总像素个数实现如下


这样对照一下公式立刻就会读懂OpenCV中的源代码了。


三:使用


使用OTSU算法实现图像二值化,首先要把图像从彩色图像转换为灰度图像然后通过threshold函数指定二值化方法为THRESH_OTSU。具体的代码调用演示如下:


运行结果如下:


上图左边输入RGB图像,右边是基于OTSU产生的二值图像。从OpenCV图像二值化方法OTSU代码实现我们可以看出OpenCV在算法编码实现环节都是从简洁计算入手,考虑效率优先。非常值得我们学习。


下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 19
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报