OTSU(大津算法)

简介: OTSU(大津算法)
OTSU(大津算法)

确定图像二值化分割阈值

不受图像亮度和对比度的影响

用于图像分割过程中,自动计算出一个最佳全局阈值的算法

通过最大类间平方差的方法来区分图像前景及背景

缺点

  • 对图像噪声敏感
  • 只能针对单一目标分割
  • 当目标和背景大小比例悬殊、类间方差函数可能呈现双峰或者多峰,效果不好
类间平方差

OTSU算法的核心是类间平方差

类间平方差:将图像的阈值划分为两个区域寻找这两个区域阈值间的最大方差

类间方差公式

假设存在一个阈值TH将整幅图(灰度值为0~255)分为了两个部分:

  • 第一部分是小于假定阈值TH的那部分。这一部分的平均灰度值为m1,这一部分在整幅图中出现的概率为P1
  • 第二部分是大于假定阈值TH的那部分。这部分的平均灰度值为m2,出现的概率为P2
  • MG则是全局的平均阈值

公式求解:

  • m1可以想象为从0到假定阈值TH处每个灰度值与该灰度值出现的频率的乘积再除以该区域的总频率,就是它的平均阈值
  • k——假定阈值TH
  • i——灰度值
  • pi——每个灰度值出现的频率
  • p1——0~k区域每个灰度值出现概率的总和
  • m2:
  • L: 图像的像素级,通常都是255
  • p2: k+1~L区域每个灰度值出现概率的总和
  • p1、p2

  • 全局的平均阈值

  • 类间方差表达式

实现
import cv2
import numpy as np
img = cv2.imread("./lena.jpg",0)
h,w = img.shape
hist = [0 for i in range(256)]
for i in range(w):
    for j in range(h):
        hist[img.item(j,i)]+=1
        
ave_hist = list(map(lambda i: i/(w*h),hist))
M=0
for i in range(256):
    M += i*ave_hist[i]
otsu_value = []
for i in range(256):
    m1,m2,p1,p2=0,0,0,0
    for v1 in range(0,i+1):
        p1+=ave_hist[v1]
        m1+=ave_hist[v1]*v1
    if p1:
        m1 /= p1 
    else:
        m1=-1
    for v2 in range(i+1,256):
        p2+=ave_hist[v2]
        m2+=ave_hist[v2]*v2
    if p2:
        m2 /= p2 
    else:
        m2=-1
    M = p1*m1+p2*m2
    thes = p1*(m1-M)**2 + p2*(m2-M)**2
    otsu_value.append(thes)
max_v = max(otsu_value)
idx = otsu_value.index(max_v)
        
print(len(ave_hist))
print("thes:",idx)

opencv 内部的函数:

ret, binary = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)

相关文章
|
算法 计算机视觉
MATLAB--数字图像处理 Otsu算法(MATLAB原理验证)
MATLAB--数字图像处理 Otsu算法(MATLAB原理验证)
370 0
MATLAB--数字图像处理 Otsu算法(MATLAB原理验证)
|
文字识别 算法 计算机视觉
OTSU算法及其改进算法学习
   这篇文章还是来自斯坦福课后作业hw2_3,主要是结合一个例子介绍otsu算法【亦称为大律算法,小日本】及其改进算法。    本文将先介绍老外的题目、解题思路及maltab解答,然后分析otsu算法步骤,末了给出opencv实现。
2359 0
|
16天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
22天前
|
机器学习/深度学习 算法 Serverless
基于WOA-SVM的乳腺癌数据分类识别算法matlab仿真,对比BP神经网络和SVM
本项目利用鲸鱼优化算法(WOA)优化支持向量机(SVM)参数,针对乳腺癌早期诊断问题,通过MATLAB 2022a实现。核心代码包括参数初始化、目标函数计算、位置更新等步骤,并附有详细中文注释及操作视频。实验结果显示,WOA-SVM在提高分类精度和泛化能力方面表现出色,为乳腺癌的早期诊断提供了有效的技术支持。
|
2天前
|
供应链 算法 调度
排队算法的matlab仿真,带GUI界面
该程序使用MATLAB 2022A版本实现排队算法的仿真,并带有GUI界面。程序支持单队列单服务台、单队列多服务台和多队列多服务台三种排队方式。核心函数`func_mms2`通过模拟到达时间和服务时间,计算阻塞率和利用率。排队论研究系统中顾客和服务台的交互行为,广泛应用于通信网络、生产调度和服务行业等领域,旨在优化系统性能,减少等待时间,提高资源利用率。
|
10天前
|
存储 算法
基于HMM隐马尔可夫模型的金融数据预测算法matlab仿真
本项目基于HMM模型实现金融数据预测,包括模型训练与预测两部分。在MATLAB2022A上运行,通过计算状态转移和观测概率预测未来值,并绘制了预测值、真实值及预测误差的对比图。HMM模型适用于金融市场的时间序列分析,能够有效捕捉隐藏状态及其转换规律,为金融预测提供有力工具。
|
18天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
|
10天前
|
机器学习/深度学习 算法 信息无障碍
基于GoogleNet深度学习网络的手语识别算法matlab仿真
本项目展示了基于GoogleNet的深度学习手语识别算法,使用Matlab2022a实现。通过卷积神经网络(CNN)识别手语手势,如"How are you"、"I am fine"、"I love you"等。核心在于Inception模块,通过多尺度处理和1x1卷积减少计算量,提高效率。项目附带完整代码及操作视频。
|
15天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。
|
19天前
|
算法
通过matlab分别对比PSO,反向学习PSO,多策略改进反向学习PSO三种优化算法
本项目使用MATLAB2022A版本,对比分析了PSO、反向学习PSO及多策略改进反向学习PSO三种优化算法的性能,主要通过优化收敛曲线进行直观展示。核心代码实现了标准PSO算法流程,加入反向学习机制及多种改进策略,以提升算法跳出局部最优的能力,增强全局搜索效率。
下一篇
DataWorks