目錄

• 概念
• C++源碼
• • OtsuThreshold
  • 主函數
• 效果
• 完整源碼

平臺：Windows 10 20H2
Visual Studio 2015
OpenCV 4.5.3

---

本文所用源碼修改自C++ opencv 圖片二值化最佳閾值確定（大津法,OTSU算法)——Sharon Liu

概念

????????Otsu算法，也叫最大類間方差法，是1979年由日本學者大津提出的（所以也叫大津法），是一種自適應閾值確定的方法，一種全局的二值化算法。
????????它是根據圖像的灰度特性，將圖像分為前景和背景兩個部分。 當取最佳閾值時，兩部分之間的差別應該是最大的。在Otsu算法中所采用的衡量差別的標準就是較為常見的最大類間方差。前景和背景之間的類間方差如果越大，就說明構成圖像的兩個部分之間的差別越大。
????????當部分目標被錯分為背景或部分背景被錯分為目標，都會導致兩部分差別變小。
????????當所取閾值的分割使類間方差最大時，就意味著錯分概率最小。

C++源碼

OtsuThreshold

/****************************************************************************************** Function: OtsuThreshold Description: 圖片二值化最佳閾值確定（大津法,OTSU算法) Input: src:原圖片 Return: 閾值 ******************************************************************************************/ int OtsuThreshold(Mat src) {int threshold;try{int height = src.rows;int width = src.cols;//histogram float histogram[256] = { 0 };for (int i = 0; i < height; i++) {unsigned char* p = (unsigned char*)src.data + src.step*i;for (int j = 0; j < width; j++) {histogram[*p++]++;}}//normalize histogram int size = height*width;for (int i = 0; i < 256; i++) {histogram[i] = histogram[i] / size;}//average pixel value float avgValue = 0;for (int i = 0; i < 256; i++) {avgValue += i*histogram[i];}float maxVariance = 0;float w = 0, u = 0;for (int i = 0; i < 256; i++) {w += histogram[i];u += i*histogram[i];float t = avgValue*w - u;float variance = t*t / (w*(1 - w));if (variance > maxVariance) {maxVariance = variance;threshold = i;}}}catch (cv::Exception e){}return threshold; } //———————————————— //版權聲明：本文為CSDN博主「Sharon Liu」的原創文章，遵循CC 4.0 BY - SA版權協議，轉載請附上原文出處鏈接及本聲明。 //原文鏈接：https ://blog.csdn.net/sylsjane/article/details/80872744

主函數

圖片路徑根據實際情況調整，注意反斜杠是轉義字符的開頭，故“\”應替換為“\\”

int main(int argc, char * argv[]) {Mat Image = imread("D:\\Work\\OpenCV\\Workplace\\Test_1\\1.jpg", 0);int thresholdValue = OtsuThreshold(Image);cout << "類間方差為： " << thresholdValue << endl;Mat imageOutput;threshold(Image, imageOutput, thresholdValue, 255, CV_THRESH_BINARY);Mat imageOtsu;threshold(Image, imageOtsu, 0, 255, CV_THRESH_OTSU); //Opencv Otsu算法imshow("原圖", Image);imshow("Output Image", imageOutput);imshow("Opencv Otsu", imageOtsu);waitKey(0);return 0; }

效果

原圖

效果

OpenCv自帶的Otsu算法結果，與上圖一致

完整源碼

#include <opencv2\opencv.hpp> #include <iostream> #include <opencv2\imgproc\types_c.h>using namespace cv; using namespace std;/****************************************************************************************** Function: OtsuThreshold Description: 圖片二值化最佳閾值確定（大津法,OTSU算法) Input: src:原圖片 Return: 閾值 ******************************************************************************************/ int OtsuThreshold(Mat src) {int threshold;try{int height = src.rows;int width = src.cols;//histogram float histogram[256] = { 0 };for (int i = 0; i < height; i++) {unsigned char* p = (unsigned char*)src.data + src.step*i;for (int j = 0; j < width; j++) {histogram[*p++]++;}}//normalize histogram int size = height*width;for (int i = 0; i < 256; i++) {histogram[i] = histogram[i] / size;}//average pixel value float avgValue = 0;for (int i = 0; i < 256; i++) {avgValue += i*histogram[i];}float maxVariance = 0;float w = 0, u = 0;for (int i = 0; i < 256; i++) {w += histogram[i];u += i*histogram[i];float t = avgValue*w - u;float variance = t*t / (w*(1 - w));if (variance > maxVariance) {maxVariance = variance;threshold = i;}}}catch (cv::Exception e){}return threshold; } //———————————————— //版權聲明：本文為CSDN博主「Sharon Liu」的原創文章，遵循CC 4.0 BY - SA版權協議，轉載請附上原文出處鏈接及本聲明。 //原文鏈接：https ://blog.csdn.net/sylsjane/article/details/80872744int main(int argc, char * argv[]) {Mat Image = imread("D:\\Work\\OpenCV\\Workplace\\Test_1\\1.jpg", 0);int thresholdValue = OtsuThreshold(Image);cout << "類間方差為： " << thresholdValue << endl;Mat imageOutput;threshold(Image, imageOutput, thresholdValue, 255, CV_THRESH_BINARY);Mat imageOtsu;threshold(Image, imageOtsu, 0, 255, CV_THRESH_OTSU); //Opencv Otsu算法imshow("原圖", Image);imshow("Output Image", imageOutput);imshow("Opencv Otsu", imageOtsu);waitKey(0);return 0; }

總結

以上是生活随笔為你收集整理的【机器视觉学习笔记】大津法/Otsu最大类间方差法 最佳阈值处理（C++）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。