OTSU 算法求最佳閾值，及opencv 二值化

• 前言
• 一、OTSU 算法求最佳閾值
• 二、使用獲取的最佳閾值進行二值化
• 三、效果

---

前言

OTSU算法，也就是大津算法，屬于自適應的閾值確定方法，用該閾值進行的圖像固定閾值二值化，類間方差最大，它是按圖像的灰度特性,將圖像分成背景和前景兩部分，使類間方差最大的分割意味著錯分概率最小。其核心思路是尋找一個閾值T，把圖像的所有像素點分成兩類，一類的像素值均小于等于T（背景區域），另一類的像素值均大于T（前景區域），當這兩類的類間方差取得最大值時，則認為該T值為最合適的閾值。假設所有像素點的總和是Sum,背景區域所有像素點數為N1，其占圖像總像素數的比例為w1，平均像素值為μ1；前景區域所有像素點數為N2，其占圖像總像素數的比例為w2，平均像素值為μ2；μ 為0-255 的平均像素，那么有以下關系式：

---

提示：以下是本篇文章正文內容，下面案例可供參考

一、OTSU 算法求最佳閾值

有著上面的算法公式我們就可以很容易的把代碼寫出來了，下面是代碼，如果不需要用QImage的話可以直接使用Mat,選喲 轉換代碼的可以去轉換代碼

int ImageHandle::GetOptimalThreshold(QImage &image)//OTSU （大津法） {//首先先把QImage 轉為三通道并轉換為Matimage = image.convertToFormat(QImage::Format_RGB888);cv::Mat src = this->QImage2Mat(image);//灰度處理，轉成單通道cv::cvtColor(src,src,cv::COLOR_BGR2GRAY);//圖片的寬，高int nRows = src.rows;int nCols = src.cols;int threshold = 0; //最佳閾值double temp = 0.0; //獲取double AvePix[256];int TotalPix[256];double nProDis[256];double nSumProDis[256];//變量初始化for (int i = 0; i < 256; i++){AvePix[i] = 0.0;TotalPix[i] = 0;nProDis[i] = 0.0;nSumProDis[i] = 0.0;}//計算0-255 每個像素值的像素點for (int i = 0; i < nRows; i++){for (int j = 0; j < nCols; j++){TotalPix[(int)src.at<uchar>(i, j)]++;}}//計算每個像素值的像素點 占 總像素點的比例for (int i = 0; i < 256; i++){nProDis[i] = (double)TotalPix[i] / (nRows*nCols);}AvePix[0] = 0;nSumProDis[0] = nProDis[0];//計算背景區域的像素比例 與 像素平均值for (int i = 1; i < 256; i++){nSumProDis[i] = nSumProDis[i - 1] + nProDis[i];AvePix[i] = AvePix[i - 1] + i*nProDis[i];}double mean = AvePix[255];//遍歷像素值 找到類間方差最大的像數值即為最佳閾值for (int i = 1; i < 256; i++){double Pback = nSumProDis[i];double Pfront = 1 - nSumProDis[i];double g= 0.0;if (fabs(Pback ) > 0.000001 && fabs(Pfront ) > 0.000001){double Mback = AvePix[i];double Mfront = (mean - Pback *Mback)/Pfront ;g= (double)(Pback * Pfront * pow((Mback - Mfront), 2)); //大津算法 即（背景像素占總像素的比例 * 前景像素占總像素的比例 * （背景平均像素 - 前景平均像素）的平方）if (g> temp){temp = g;threshold = i;}}}return threshold; }

二、使用獲取的最佳閾值進行二值化

QImage ImageHandle::Binarization(QImage &image,int threshold) {image = image.convertToFormat(QImage::Format_RGB888);cv::Mat src = this->QImage2Mat(image);cv::cvtColor(src,src,cv::COLOR_BGR2GRAY);cv::Mat dst;cv::threshold(src,dst,threshold,255,CV_THRESH_BINARY);return this->Mat2QImage(dst); }int main() {QApplication a(argc, argv);QImage temp;temp = QImage("temp.png");ImageHandle f;int i = f.GetOptimalThreshold(temp);temp = f.Binarization(temp,i);QLabel *m_label = new QLabel();m_label->resize(1280,1024);QPixmap I_map = QPixmap::fromImage(temp);I_map = I_map.scaled(m_label->width(),m_label->height(), Qt::KeepAspectRatio, Qt::SmoothTransformation);m_label->setPixmap(I_map);m_label->show();return a.exec();}

三、效果

1、二值化前

2、二值化后

總結

以上是生活随笔為你收集整理的OTSU 获取最佳阈值，及opencv二值化的全部內容，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。