-
1 # 1575588
-
2 # readData
閾值將原圖象分成前景,背景兩個圖象。 前景:用n1, csum, m1來表示在當前閾值下的前景的點數,質量矩,平均灰度 後景:用n2, sum-csum, m2來表示在當前閾值下的背景的點數,質量矩,平均灰度 當取最佳閾值時,背景應該與前景差別最大,關鍵在於如何選擇衡量差別的標準 而在otsu演算法中這個衡量差別的標準就是最大類間方差(英文簡稱otsu,這也就是這個演算法名字的來源) 在本程式中類間方差用sb表示,最大類間方差用fmax 關於最大類間方差法(otsu)的效能: 類間方差法對噪音和目標大小十分敏感,它僅對類間方差為單峰的影象產生較好的分割效果。 當目標與背景的大小比例懸殊時,類間方差準則函式可能呈現雙峰或多峰,此時效果不好,但是類間方差法是用時最少的。 最大最大類間方差法(otsu)的公式推導: 記t為前景與背景的分割閾值,前景點數佔影象比例為w0, 平均灰度為u0;背景點數佔影象比例為w1,平均灰度為u1。 則影象的總平均灰度為:u=w0*u0+w1*u1。 前景和背景圖象的方差:g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1),此公式為方差公式,可參照機率論課本 上面的g的公式也就是下面程式中的sb的表示式 當方差g最大時,可以認為此時前景和背景差異最大,也就是此時的灰度是最佳閾值 unsafe public int GetThreshValue(Bitmap image) { BitmapData bd = image.LockBits(new Rectangle(0, 0, image.Width, image.Height), ImageLockMode.WriteOnly, image.PixelFormat); byte* pt = (byte*)bd.Scan0; int[] pixelNum = new int[256]; //圖象直方圖,共256個點 byte color; byte* pline; int n, n1, n2; int total; //total為總和,累計值 double m1, m2, sum, csum, fmax, sb; //sb為類間方差,fmax儲存最大方差值 int k, t, q; int threshValue = 1; // 閾值 int step = 1; switch (image.PixelFormat) { case PixelFormat.Format24bppRgb: step = 3; break; case PixelFormat.Format32bppArgb: step = 4; break; case PixelFormat.Format8bppIndexed: step = 1; break; } //生成直方圖 for (int i = 0; i < image.Height; i++) { pline = pt + i * bd.Stride; for (int j = 0; j < image.Width; j++) { color = *(pline + j * step); //返回各個點的顏色,以RGB表示 pixelNum[color]++; //相應的直方圖加1 } } //直方圖平滑化 for (k = 0; k <= 255; k++) { total = 0; for (t = -2; t <= 2; t++) //與附近2個灰度做平滑化,t值應取較小的值 { q = k + t; if (q < 0) //越界處理 q = 0; if (q > 255) q = 255; total = total + pixelNum[q]; //total為總和,累計值 } pixelNum[k] = (int)((float)total / 5.0 + 0.5); //平滑化,左邊2個+中間1個+右邊2個灰度,共5個,所以總和除以5,後面加0.5是用修正值 } //求閾值 sum = csum = 0.0; n = 0; //計算總的圖象的點數和質量矩,為後面的計算做準備 for (k = 0; k <= 255; k++) { sum += (double)k * (double)pixelNum[k]; //x*f(x)質量矩,也就是每個灰度的值乘以其點數(歸一化後為機率),sum為其總和 n += pixelNum[k]; //n為圖象總的點數,歸一化後就是累積機率 } fmax = -1.0; //類間方差sb不可能為負,所以fmax初始值為-1不影響計算的進行 n1 = 0; for (k = 0; k < 255; k++) //對每個灰度(從0到255)計算一次分割後的類間方差sb { n1 += pixelNum[k]; //n1為在當前閾值遍前景圖象的點數 if (n1 == 0) { continue; } //沒有分出前景後景 n2 = n - n1; //n2為背景圖象的點數 if (n2 == 0) { break; } //n2為0表示全部都是後景圖象,與n1=0情況類似,之後的遍歷不可能使前景點數增加,所以此時可以退出迴圈 csum += (double)k * pixelNum[k]; //前景的“灰度的值*其點數”的總和 m1 = csum / n1; //m1為前景的平均灰度 m2 = (sum - csum) / n2; //m2為背景的平均灰度 sb = (double)n1 * (double)n2 * (m1 - m2) * (m1 - m2); //sb為類間方差 if (sb > fmax) //如果算出的類間方差大於前一次算出的類間方差 { fmax = sb; //fmax始終為最大類間方差(otsu) threshValue = k; //取最大類間方差時對應的灰度的k就是最佳閾值 } } image.UnlockBits(bd); image.Dispose(); return threshValue; }
回覆列表
閾值將原圖象分成前景,背景兩個圖象。 前景:用n1, csum, m1來表示在當前閾值下的前景的點數,質量矩,平均灰度 後景:用n2, sum-csum, m2來表示在當前閾值下的背景的點數,質量矩,平均灰度 當取最佳閾值時,背景應該與前景差別最大,關鍵在於如何選擇衡量差別的標準 而在otsu演算法中這個衡量差別的標準就是最大類間方差(英文簡稱otsu,這也就是這個演算法名字的來源) 在本程式中類間方差用sb表示,最大類間方差用fmax 關於最大類間方差法(otsu)的效能: 類間方差法對噪音和目標大小十分敏感,它僅對類間方差為單峰的影象產生較好的分割效果。 當目標與背景的大小比例懸殊時,類間方差準則函式可能呈現雙峰或多峰,此時效果不好,但是類間方差法是用時最少的。 最大最大類間方差法(otsu)的公式推導: 記t為前景與背景的分割閾值,前景點數佔影象比例為w0, 平均灰度為u0;背景點數佔影象比例為w1,平均灰度為u1。 則影象的總平均灰度為:u=w0*u0+w1*u1。 前景和背景圖象的方差:g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1),此公式為方差公式,可參照機率論課本 上面的g的公式也就是下面程式中的sb的表示式 當方差g最大時,可以認為此時前景和背景差異最大,也就是此時的灰度是最佳閾值 unsafe public int GetThreshValue(Bitmap image) { BitmapData bd = image.LockBits(new Rectangle(0, 0, image.Width, image.Height), ImageLockMode.WriteOnly, image.PixelFormat); byte* pt = (byte*)bd.Scan0; int[] pixelNum = new int[256]; //圖象直方圖,共256個點 byte color; byte* pline; int n, n1, n2; int total; //total為總和,累計值 double m1, m2, sum, csum, fmax, sb; //sb為類間方差,fmax儲存最大方差值 int k, t, q; int threshValue = 1; // 閾值 int step = 1; switch (image.PixelFormat) { case PixelFormat.Format24bppRgb: step = 3; break; case PixelFormat.Format32bppArgb: step = 4; break; case PixelFormat.Format8bppIndexed: step = 1; break; } //生成直方圖 for (int i = 0; i 255) q = 255; total = total + pixelNum[q]; //total為總和,累計值 } pixelNum[k] = (int)((float)total / 5.0 + 0.5); //平滑化,左邊2個+中間1個+右邊2個灰度,共5個,所以總和除以5,後面加0.5是用修正值 } //求閾值 sum = csum = 0.0; n = 0; //計算總的圖象的點數和質量矩,為後面的計算做準備 for (k = 0; k fmax) //如果算出的類間方差大於前一次算出的類間方差 { fmax = sb; //fmax始終為最大類間方差(otsu) threshValue = k; //取最大類間方差時對應的灰度的k就是最佳閾值 } } image.UnlockBits(bd); image.Dispose(); return threshValue; }