轉(zhuǎn)自：http://blog.stevenwang.name/ostu-threshold-56002.html

?

OTSU算法也稱最大類間差法，有時也稱之為大津算法，被認(rèn)為是圖像分割中閾值選取的最佳算法，計算簡單，不受圖像亮度和對比度的影響，因此在數(shù)字圖像處理上得到了廣泛的應(yīng)用。它是按圖像的灰度特性,將圖像分成背景和前景兩部分。背景和前景之間的類間方差越大,說明構(gòu)成圖像的兩部分的差別越大,當(dāng)部分前景錯分為背景或部分背景錯分為前景都會導(dǎo)致兩部分差別變小。因此,使類間方差最大的分割意味著錯分概率最小。

設(shè)灰度圖像灰度級是L，則灰度范圍為[0,L-1]，利用OTSU算法計算圖像的最佳閾值為：
t = Max[w0(t) * (u0(t) - u)^2 + w1(t) * (u1(t) - u)^2)]
其中的變量說明：當(dāng)分割的閾值為t時，w0為背景比例，u0為背景均值，w1為前景比例，u1為前景均值，u為整幅圖像的均值。
使以上表達(dá)式值最大的t，即為分割圖像的最佳閾值。

以下是一段在OpenCV中實現(xiàn)的C語言程序，即一個使用OTSU算法提取圖像閾值的函數(shù)，輸入?yún)?shù)為一個圖像指針，返回分割該圖像的最佳閾值。

int otsuThreshold(IplImage *frame)
{int width = frame->width;int height = frame->height;int pixelCount[GrayScale];float pixelPro[GrayScale];int i, j, pixelSum = width * height, threshold = 0;uchar* data = (uchar*)frame->imageData;for(i = 0; i < GrayScale; i++){pixelCount[i] = 0;pixelPro[i] = 0;}//統(tǒng)計灰度級中每個像素在整幅圖像中的個數(shù)for(i = 0; i < height; i++){for(j = 0;j < width;j++){pixelCount[(int)data[i * width + j]]++;}}//計算每個像素在整幅圖像中的比例for(i = 0; i < GrayScale; i++){pixelPro[i] = (float)pixelCount[i] / pixelSum;}//遍歷灰度級[0,255]float w0, w1, u0tmp, u1tmp, u0, u1, u, deltaTmp, deltaMax = 0;for(i = 0; i < GrayScale; i++){w0 = w1 = u0tmp = u1tmp = u0 = u1 = u = deltaTmp = 0;for(j = 0; j < GrayScale; j++){if(j <= i)   //背景部分{w0 += pixelPro[j];u0tmp += j * pixelPro[j];}else   //前景部分{w1 += pixelPro[j];u1tmp += j * pixelPro[j];}}u0 = u0tmp / w0;u1 = u1tmp / w1;u = u0tmp + u1tmp;deltaTmp = w0 * pow((u0 - u), 2) + w1 * pow((u1 - u), 2);if(deltaTmp > deltaMax){deltaMax = deltaTmp;threshold = i;}}return threshold;
}