数字图像处理100问—04大津二值化算法（Otsu‘s Method）

提示：内容整理自：https://github.com/gzr2017/ImageProcessing100Wen
CV小白从0开始学数字图像处理

04大津二值化算法（Otsu’s Method）

使用大津算法来二值化图像。大津算法，也被称作最大类间方差法，是一种可以自动确定二值化中阈值的算法，从类内方差和类间方差的比值计算得来：

• 小于阈值 t 的类记作 0，大于阈值 t 的类记作 1；
• w0 和 w1 是被阈值 t 分开的两个类中的像素数占总像素数的比率（满足 w0+w1=1）；
• S0^2, S1^2 是这两个类中像素值的方差；
• M0, M1 是这两个类的像素值的平均值；

也就是说：

类内方差：Sw^2 = w0 * S0^2 + w1 * S1^2
类间方差：Sb^2 = w0 * (M0 - Mt)^2 + w1 * (M1 - Mt)^2 = w0 * w1 * (M0 - M1) ^2
图像所有像素的方差：St^2 = Sw^2 + Sb^2 = (const)
根据以上的式子，我们用以下的式子计算分离度：
分离度 X = Sb^2 / Sw^2 = Sb^2 / (St^2 - Sb^2)

也就是说：

argmax_{t} X = argmax_{t} Sb^2

换言之，如果使 Sb^2 = w0 * w1 * (M0 - M1) ^2 最大，就可以得到最好的二值化阈值 t。

代码如下：

1.引入库

CV2计算机视觉库

import cv2
import numpy as np

2.读入数据

img = cv2.imread("imori.jpg").astype(np.float)
H, W, C = img.shape

3.灰度化

out = 0.2126 * img[..., 2] + 0.7152 * img[..., 1] + 0.0722 * img[..., 0]
out = out.astype(np.uint8)

4.确定阈值

max_sigma = 0
max_t = 0

for _t in range(1, 255):
    v0 = out[np.where(out < _t)]
    m0 = np.mean(v0) if len(v0) > 0 else 0.
    w0 = len(v0) / (H * W)
    v1 = out[np.where(out >= _t)]
    m1 = np.mean(v1) if len(v1) > 0 else 0.
    w1 = len(v1) / (H * W)
    sigma = w0 * w1 * ((m0 - m1) ** 2)
    if sigma > max_sigma:
        max_sigma = sigma
        max_t = _t

5.二值化

print("threshold >>", max_t)
th = max_t
out[out < th] = 0
out[out >= th] = 255

6.保存结果

cv2.imwrite("out.jpg", out)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

6. 二值化后结果