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

在「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

在「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~