回覆列表
  • 1 # 1575588

      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;  }

  • 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;   }

  • 中秋節和大豐收的關聯?
  • 關於反映戰爭主題的歌曲?