otsu自适应阈值分割的算法描述和opencv实现,及其在肤色检测中的应用[转]

otsu算法选择使类间方差最大的灰度值为阈值，具有很好的效果
算法具体描述见otsu论文，或冈萨雷斯著名的数字图像处理那本书
这里给出程序流程：
1、计算直方图并归一化histogram
2、计算图像灰度均值avgValue.
3、计算直方图的零阶w[i]和一级矩u[i]
4、计算并找到最大的类间方差（between-class variance）
variance[i]=(avgValue*w[i]-u[i])*(avgValue*w[i]-u[i])/(w[i]*(1-w[i]))
对应此最大方差的灰度值即为要找的阈值
5、用找到的阈值二值化图像

我在代码中做了一些优化，所以算法描述的某些地方跟程序并不一致

otsu代码，先找阈值，继而二值化

// implementation of otsu algorithm
// author: onezeros(@yahoo.cn)
// reference: Rafael C. Gonzalez. Digital Image Processing Using MATLAB
void cvThresholdOtsu(IplImage* src, IplImage* dst)
{
    int height=src->height;
    int width=src->width;   
    //histogram
    float histogram[256]={0};
    for(int i=0;i<height;i++) {
        unsigned char* p=(unsigned char*)src->imageData+src->widthStep*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];
    }

    int threshold;   
    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;
        }
    }

    cvThreshold(src,dst,threshold,255,CV_THRESH_BINARY);
}

更多情况下我们并不需要对每一帧都是用otsu寻找阈值，于是可以先找到阈值，然后用找到的阈值处理后面的图像。下面这个函数重载了上面的，返回值就是阈值。只做了一点改变

// implementation of otsu algorithm
// author: onezeros(@yahoo.cn)
// reference: Rafael C. Gonzalez. Digital Image Processing Using MATLAB
int cvThresholdOtsu(IplImage* src)
{
    int height=src->height;
    int width=src->width;   

    //histogram
    float histogram[256]={0};
    for(int i=0;i<height;i++) {
        unsigned char* p=(unsigned char*)src->imageData+src->widthStep*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];
    }

    int threshold;   
    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;
        }

    }

    return threshold;
}

我在手的自动检测中使用这个方法，效果很好。

下面是使用上述两个函数的简单的主程序，可以试运行一下，如果处理视频，要保证第一帧时，手要在图像中。

#include <cv.h>
#include <cxcore.h>
#include <highgui.h>
#pragma comment(lib,"cv210d.lib")
#pragma comment(lib,"cxcore210d.lib")
#pragma comment(lib,"highgui210d.lib")

#include <iostream>
using namespace std;

int main(int argc, char** argv)
{   
#ifdef VIDEO //video process
    CvCapture* capture=cvCreateCameraCapture(-1);
    if (!capture){
        cout<<"failed to open camera"<<endl;
        exit(0);
    }

    int threshold=-1;
    IplImage* img;   
    while (img=cvQueryFrame(capture)){
        cvShowImage("video",img);
        cvCvtColor(img,img,CV_RGB2YCrCb);

        IplImage* imgCb=cvCreateImage(cvGetSize(img),8,1);
        cvSplit(img,NULL,NULL,imgCb,NULL);
        if (threshold<0){
            threshold=cvThresholdOtsu(imgCb);
        }
        //cvThresholdOtsu(imgCb,imgCb);
        cvThreshold(imgCb,imgCb,threshold,255,CV_THRESH_BINARY);
        cvErode(imgCb,imgCb);
        cvDilate(imgCb,imgCb);
        cvShowImage("object",imgCb);
        cvReleaseImage(&imgCb);

        if (cvWaitKey(3)==27){//esc
            break;
        }
    }   

    cvReleaseCapture(&capture);
#else //single image process
    const char* filename=(argc>=2?argv[1]:"cr.jpg");
    IplImage* img=cvLoadImage(filename,CV_LOAD_IMAGE_GRAYSCALE);

    cvThresholdOtsu(img,img);
    cvShowImage( "src", img );
    char buf[256];
    sprintf_s(buf,256,"%s.otsu.jpg",filename);
    cvSaveImage(buf,img);

    cvErode(img,img);
    cvDilate(img,img);
    cvShowImage( "dst", img );
    sprintf_s(buf,256,"%s.otsu.processed.jpg",filename);
    cvSaveImage(buf,img);

    cvWaitKey(0);
#endif
    return 0;
}

效果图：

1、肤色cb分量

2、otsu自适应阈值分割效果

3、开运算后效果