otsu算法-圖像分割

otsu算法——圖像分割第1頁(yè)/共28頁(yè)論文緒論算法講解實(shí)驗(yàn)結(jié)果參考文獻(xiàn)CONTENTS第2頁(yè)/共28頁(yè)論文緒論P(yáng)PT模板下載：/moban/行業(yè)PPT模板：/hangye/節(jié)日PPT模板：/jieri/PPT素材下載：/sucai/PPT背景圖片：/beijing/PPT圖表下載：/tubiao/優(yōu)秀PPT下載：/xiazai/PPT教程：/powerpoint/Word教程：/word/Excel教程：/excel/資料下載：/ziliao/PPT課件下載：/kejian/范文下載：/fanwen/試卷下載：/shiti/教案下載：/jiaoan/PPT論壇：

第3頁(yè)/共28頁(yè)

圖像分割是圖像處理的重要步驟，它可以將感興趣的目標(biāo)圖像區(qū)域和背景分割開后做相關(guān)的處理，是后續(xù)其他處理的前提。本文所述算法是為了克服Otsu算法對(duì)圖像分割的不足，在二維Otsu的基礎(chǔ)上提出了基于二維直方圖雙斜率劃分的快速Otsu分割算法。本文將對(duì)一維Otsu算法、二維Otsu算法和本文算法的思想和實(shí)現(xiàn)進(jìn)行的講解。第4頁(yè)/共28頁(yè)算法講解第5頁(yè)/共28頁(yè)一維Otsu算法二維Otsu算法基于二維直方圖雙斜率劃分的快速Otsu分割算法第6頁(yè)/共28頁(yè)1.一維Otsu算法簡(jiǎn)介：

一維Otsu算法也叫最大類間方差法，是由日本學(xué)者大津（NobuyukiOtsu）于1979年提出的，是一種圖像灰度自適應(yīng)閾值的分割算法，間稱OTSU。算法思想：

根據(jù)圖像灰度值的特性，將圖像分成背景和前景2個(gè)部分。背景和前景之間的類間方差越大，說(shuō)明構(gòu)成圖像的2部分的差別越大，當(dāng)部分前景錯(cuò)分背景或者背景錯(cuò)分為前景的時(shí)候，會(huì)導(dǎo)致2部分的方差變小。因此，類間方差最大意味著錯(cuò)分概率最小。第7頁(yè)/共28頁(yè)算法過(guò)程：（1）對(duì)于圖像I(x,y),將前景與背景的分割閾值設(shè)為T。（2）將屬于前景的像素點(diǎn)的個(gè)數(shù)占整個(gè)圖像的比例設(shè)為w0，其平均灰度設(shè)為u0。（3）將屬于背景的像素點(diǎn)的個(gè)數(shù)占整個(gè)圖像的比例設(shè)為w1，其平均灰度設(shè)為u1。（4）圖像的總平均灰度設(shè)為u，類間方差設(shè)為S。假設(shè)圖片的大小為M*N，圖像中像素灰度值小于閾值T的像素個(gè)數(shù)記為N0，像素灰度大于閾值T的像素個(gè)數(shù)記為N1。則它們之間的關(guān)系如下。第8頁(yè)/共28頁(yè)前景比例：背景比例：像素點(diǎn)總數(shù)：前景和背景概率之和：平均灰度值：類間方差：將公式（4）和（5）帶入（6）可以得到等價(jià)公式：第9頁(yè)/共28頁(yè)核心代碼：Histogram[data[i*srcimage.step+j]]++;//step指向每行的字節(jié)總量，date訪問(wèn)每個(gè)像素的值for(inti=1;i<255;i++)//從1開始遍歷，尋找最合適的值{//每次遍歷前需要初始化各變量w0=0;u0=0;w1=0;u1=0;for(intj=0;j<=i;j++)//背景部分各值計(jì)算{w0+=Histogram[j];//背景部分像素點(diǎn)總數(shù)u0+=j*Histogram[j];//背景部分像素總灰度和}

u0=u0/w0;

//背景像素平均灰度w0=w0/number;//背景部分像素點(diǎn)所占比例}doublevarValueI=w1*w2*(u1-u2)*(u1-u2);

//類間方差計(jì)算第10頁(yè)/共28頁(yè)2.二維Otsu算法簡(jiǎn)介：

一維Otsu算法有計(jì)算簡(jiǎn)潔、穩(wěn)定、自適應(yīng)強(qiáng)等優(yōu)點(diǎn)，被廣泛用于圖像分割中。但一維Otsu算法沒有考慮圖像像素點(diǎn)之間的關(guān)系，當(dāng)圖像中有噪聲時(shí)，會(huì)導(dǎo)致分割的效果不理想。因此，劉健莊等人在1993年提出了二維的Otsu算法，提升了算法的抗噪聲能力。算法思想：

同時(shí)考慮像素的灰度值分布和它們鄰域像素的平均灰度值分布，因此形成的閾值是一個(gè)二維矢量，最佳的閾值在一個(gè)二維的測(cè)度準(zhǔn)則下確定最大值時(shí)得到。第11頁(yè)/共28頁(yè)算法過(guò)程：（1）設(shè)圖像I(x,y),的灰度級(jí)為L(zhǎng)級(jí)，那么圖像的鄰域平均灰度也分為L(zhǎng)級(jí)。（2）設(shè)f(x,y)為像素點(diǎn)(x,y)的灰度值，g(x,y)為像素點(diǎn)(x,y)為中心的K*K的像

素點(diǎn)集合的灰度平均值。令f(x,y)=i,g(x,y)=j，然后就形成了一個(gè)二元組

(i,j)。（3）設(shè)二元組（i,j）出現(xiàn)的次數(shù)為fij，然后求出二元組對(duì)應(yīng)的概率密度Pij，

Pij=fij/N,i,j=1,2，…，L，其中N為圖像像素點(diǎn)總數(shù)。（4）任意選取一個(gè)閾值向量(s,t)選取的閾值向量將圖像的二維直方圖劃分成4個(gè)

區(qū)域，B、C區(qū)域代表圖像的前景和背景，A、D區(qū)域代表噪聲點(diǎn)。圖片如下：第12頁(yè)/共28頁(yè)（5）設(shè)C、B兩個(gè)區(qū)域?qū)?yīng)的概率分別為w1，w2，對(duì)應(yīng)的均值矢量為u1，u2。整個(gè)圖

片所對(duì)應(yīng)的均值矢量為uT。第13頁(yè)/共28頁(yè)（6）一般情況下，遠(yuǎn)離主對(duì)角線的點(diǎn)可以忽略（代表邊緣點(diǎn)和噪聲點(diǎn)）,則有：

w1+w1≈1，并且uT≈w1*u1+w2*u2，與一維Otsu算法的類間方差相似，這里

定義一個(gè)類間離散矩陣：（7）為了衡量這個(gè)離散矩陣的大小，采用矩陣的跡來(lái)代表矩陣的值。

（矩陣的跡為主對(duì)角線上各元素的和）

第14頁(yè)/共28頁(yè)核心代碼：第15頁(yè)/共28頁(yè)第16頁(yè)/共28頁(yè)3.基于二維直方圖雙斜率劃分的快速Otsu圖像分割算法算法思想：

在二維Otsu算法中，發(fā)現(xiàn)背景和前景的像素點(diǎn)主要分布在主對(duì)角線上，而邊界點(diǎn)和噪聲點(diǎn)則遠(yuǎn)離主對(duì)角線。其中A,D區(qū)域中有靠近主對(duì)角線中的部分，B,C中也有遠(yuǎn)離主對(duì)角線部分，這些會(huì)對(duì)分割的結(jié)果產(chǎn)生誤差。該算法發(fā)現(xiàn)前景與背景像素點(diǎn)的灰度值與其鄰域的平均值的商近似1，而邊界點(diǎn)和噪聲點(diǎn)的商值都遠(yuǎn)離1，利用1左右的兩個(gè)斜率t1，t2來(lái)對(duì)二維直方圖重新劃分。將二維直方圖劃分為A、B、C三個(gè)區(qū)域，B區(qū)域?yàn)橛行ч撝档乃阉鲄^(qū)域。

第17頁(yè)/共28頁(yè)算法過(guò)程：（1）設(shè)K(x,y)=f(x,y)/g(x,y)為像素點(diǎn)的

斜率，其中f(x,y)為點(diǎn)(x,y)的灰度值，g(x,y)為點(diǎn)(x,y)周圍點(diǎn)的平均值。

（2）設(shè)閾值t1，t2將二維直方圖分為A、B、C三個(gè)區(qū)域。其中B區(qū)域代表前景和背

景像素點(diǎn)部分，而A、C代表邊界點(diǎn)和

噪聲點(diǎn)部分。第18頁(yè)/共28頁(yè)（3）設(shè)w1(t1,t2)、w2(t1,t2)、w3(t1,t2)為3類區(qū)域?qū)?yīng)的概率，u1(t1,t2)、

u2(t1,t2)、u3(t1,t2)為三類區(qū)域?qū)?yīng)的斜率均值。（4）設(shè)ni為斜率K(x,y)=i的像素點(diǎn)的個(gè)數(shù)，斜率為i的點(diǎn)的概率為pi=ni/N。N為

像素點(diǎn)總數(shù)。第19頁(yè)/共28頁(yè)（5）設(shè)整個(gè)圖像的斜率均值為u。（6）三類的類間方差平方和為σ2。當(dāng)它的值取最大時(shí)得到閾值t1,和t2。（7）最后對(duì)劃分出來(lái)的有效區(qū)域B進(jìn)行一維Otsu算法，求出最終閾值。第20頁(yè)/共28頁(yè)核心代碼：第21頁(yè)/共28頁(yè)實(shí)驗(yàn)結(jié)果第22頁(yè)/共28頁(yè)

閾值：（84,91）

閾值：88一維Otsu算法結(jié)果：二維Otsu算法結(jié)果：本文算法結(jié)果：

閾值：130第23頁(yè)/共28頁(yè)一維Otsu算法結(jié)果：

閾值：110

閾值：96二維Otsu算法結(jié)果：本文算法結(jié)果：第24頁(yè)/共28頁(yè)參考文獻(xiàn)第25頁(yè)/共28頁(yè)參考文獻(xiàn)[1]袁健,程國(guó)濤.基于二維直方圖雙斜率劃分的快速Otsu圖像分割算法[J].

計(jì)算機(jī)應(yīng)用研究,2017,卷缺失(6):1905-1908.[2]劉健莊,栗文青.灰度圖象的二維Otsu自動(dòng)閾值分割法[J].自動(dòng)化學(xué)報(bào),

1993,卷缺失(1):101-105.[3]徐長(zhǎng)新,彭國(guó)華.二維Otsu閾值法的快速算法[J].計(jì)算機(jī)應(yīng)用,2012,卷

缺失(5):1258-1260.[4]王永波,陳繼榮.二維Otsu閾值分割算法的改進(jìn)及應(yīng)用[J].計(jì)算機(jī)仿真,

2008,卷缺