《opencv学习》 之 OTSU算法实现二值化

主要讲解OTSU算法实现图像二值化：

　　　　    1.统计灰度级图像中每个像素值的个数。

　　　　2.计算第一步个数占整个图像的比例。

　　　　3.计算每个阈值[0-255]条件下，背景和前景所包含像素值总个数和总概率（就是分别计算背景和前景下第一步和第二步的              和）。

　　　　4.比较第三步前景和背景之间方差，找到最大的一个确定为选定的阈值。

 OTSU源码：
 1 #include <opencv2/opencv.hpp>
#include <iostream>
#include <windows.h>

using namespace cv;
using namespace std;

int OTSU(Mat& src);
int main(int argc, char**argv)
{
    Mat input_image;
    input_image = imread("1.jpg");

    if (input_image.data == NULL) {
        return -1; cout << "can't open image.../";
    }
    cvtColor(input_image, input_image, CV_BGR2GRAY);
    const int thre_num = OTSU(input_image);
    const int height = input_image.rows;
    const int width = input_image.cols;
    for (size_t i = 0; i < height; i++)
    {
        for (size_t j = 0; j < width; j++)
        {
            input_image.at<uchar>(i, j) = input_image.at<uchar>(i, j) >= thre_num ? 0 : 255;
        }
    }
    imshow("input_image2", input_image);
    waitKey(0);
    return 0;
}

int OTSU(Mat& src)
{
    const int height = src.rows;
    const int width = src.cols;
    int nCountPix[256] = { 0 };//数量
    int nProPix[256] = { 0 };//概率
                             //------------统计像素点个数------------//
    for (size_t i = 0; i < height; i++)
    {
        for (size_t j = 0; j < width; j++)
        {
            nCountPix[src.at<uchar>(i, j)]++;
        }
    }
    //-------统计每个像素个数占得比例------//
    for (size_t i = 0; i < 256; i++)
    {
        nProPix[i] = nCountPix[i] / (height*width);
    }
    double var_max = 100;//设置一个参数，作为比较结果
    int       threashold = 0;
    for (size_t i = 0; i < height; i++)
    {
        //----数量count、概率probility、平均概率average、方差variance----//
        double c0 = 0, c1 = 0, p0 = 0, p1 = 0, a0 = 0, a1 = 0, var = 0;
        for (size_t j = 0; j < width; j++)
        {
            //----前景和背景的计算
            if (i < j)//背景
            {
                c0 += nCountPix[j];//总数量
                p0 += nCountPix[j] * nProPix[j];//总概率
            }
            else//前景
            {
                c1 += nCountPix[j];//总数量
                p1 += nCountPix[j] * nProPix[j];//总概率
            }
        }
        a0 = p0 / c0;
        a1 = p1 / c1;
        var = static_cast<double>(c0*c1*pow((a0 - a1), 0));

        if (var > var_max)
        {
            var_max = var;
            threashold = i;
        }
    }
    return threashold;
}