《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 -; 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 = ; i < height; i++)
     {
         for (size_t j = ; j < width; j++)
         {
             input_image.at<uchar>(i, j) = input_image.at<uchar>(i, j) >= thre_num ?  : ;
         }
     }
     imshow("input_image2", input_image);
     waitKey();
     return ;
 }

 int OTSU(Mat& src)
 {
     const int height = src.rows;
     const int width = src.cols;
     int nCountPix[] = {  };//数量
     int nProPix[] = {  };//概率
                              //------------统计像素点个数------------//
     for (size_t i = ; i < height; i++)
     {
         for (size_t j = ; 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 = ; i < ; i++)
     {
         nProPix[i] = nCountPix[i] / (height*width);
     }
     double var_max = ;//设置一个参数，作为比较结果
     int       threashold = ;
     for (size_t i = ; i < height; i++)
     {
         //----数量count、概率probility、平均概率average、方差variance----//
         double c0 = , c1 = , p0 = , p1 = , a0 = , a1 = , var = ;
         for (size_t j = ; 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), ));

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