otsu自适应阈值分割的算法描述和opencv实现,及其在肤色检测中的应用

from：http://blog.csdn.net/onezeros/article/details/6136770

otsu算法选择使类间方差最大的灰度值为阈值，具有很好的效果
算法具体描述见otsu论文，或冈萨雷斯著名的数字图像处理那本书
这里给出程序流程：
1、计算直方图并归一化histogram
2、计算图像灰度均值avgValue.
3、计算直方图的零阶w[i]和一级矩u[i]
4、计算并找到最大的类间方差（between-class variance）
variance[i]=(avgValue*w[i]-u[i])*(avgValue*w[i]-u[i])/(w[i]*(1-w[i]))
对应此最大方差的灰度值即为要找的阈值
5、用找到的阈值二值化图像

我在代码中做了一些优化，所以算法描述的某些地方跟程序并不一致

otsu代码，先找阈值，继而二值化

[cpp] view plaincopy

// implementation of otsu algorithm
// author: onezeros(@yahoo.cn)
// reference: Rafael C. Gonzalez. Digital Image Processing Using MATLAB
void cvThresholdOtsu(IplImage* src, IplImage* dst)
{
int height=src->height;
int width=src->width;
//histogram
float histogram[256]={0};
for(int i=0;i<height;i++) {
unsigned char* p=(unsigned char*)src->imageData+src->widthStep*i;
for(int j=0;j<width;j++) {
histogram[*p++]++;
}
}
//normalize histogram
int size=height*width;
for(int i=0;i<256;i++) {
histogram[i]=histogram[i]/size;
}
//average pixel value
float avgValue=0;
for(int i=0;i<256;i++) {
avgValue+=i*histogram[i];
}
int threshold;
float maxVariance=0;
float w=0,u=0;
for(int i=0;i<256;i++) {
w+=histogram[i];
u+=i*histogram[i];
float t=avgValue*w-u;
float variance=t*t/(w*(1-w));
if(variance>maxVariance) {
maxVariance=variance;
threshold=i;
}
}
cvThreshold(src,dst,threshold,255,CV_THRESH_BINARY);
}

更多情况下我们并不需要对每一帧都是用otsu寻找阈值，于是可以先找到阈值，然后用找到的阈值处理后面的图像。下面这个函数重载了上面的，返回值就是阈值。只做了一点改变

[cpp] view plaincopy

// implementation of otsu algorithm
// author: onezeros(@yahoo.cn)
// reference: Rafael C. Gonzalez. Digital Image Processing Using MATLAB
int cvThresholdOtsu(IplImage* src)
{
int height=src->height;
int width=src->width;
//histogram
float histogram[256]={0};
for(int i=0;i<height;i++) {
unsigned char* p=(unsigned char*)src->imageData+src->widthStep*i;
for(int j=0;j<width;j++) {
histogram[*p++]++;
}
}
//normalize histogram
int size=height*width;
for(int i=0;i<256;i++) {
histogram[i]=histogram[i]/size;
}
//average pixel value
float avgValue=0;
for(int i=0;i<256;i++) {
avgValue+=i*histogram[i];
}
int threshold;
float maxVariance=0;
float w=0,u=0;
for(int i=0;i<256;i++) {
w+=histogram[i];
u+=i*histogram[i];
float t=avgValue*w-u;
float variance=t*t/(w*(1-w));
if(variance>maxVariance) {
maxVariance=variance;
threshold=i;
}
}
return threshold;
}

我在手的自动检测中使用这个方法，效果很好。

下面是使用上述两个函数的简单的主程序，可以试运行一下，如果处理视频，要保证第一帧时，手要在图像中。

[cpp] view plaincopy

#include <cv.h>
#include <cxcore.h>
#include <highgui.h>
#pragma comment(lib,"cv210d.lib")
#pragma comment(lib,"cxcore210d.lib")
#pragma comment(lib,"highgui210d.lib")
#include <iostream>
using namespace std;
int main(int argc, char** argv)
{
#ifdef VIDEO //video process
CvCapture* capture=cvCreateCameraCapture(-1);
if (!capture){
cout<<"failed to open camera"<<endl;
exit(0);
}
int threshold=-1;
IplImage* img;
while (img=cvQueryFrame(capture)){
cvShowImage("video",img);
cvCvtColor(img,img,CV_RGB2YCrCb);
IplImage* imgCb=cvCreateImage(cvGetSize(img),8,1);
cvSplit(img,NULL,NULL,imgCb,NULL);
if (threshold<0){
threshold=cvThresholdOtsu(imgCb);
}
//cvThresholdOtsu(imgCb,imgCb);
cvThreshold(imgCb,imgCb,threshold,255,CV_THRESH_BINARY);
cvErode(imgCb,imgCb);
cvDilate(imgCb,imgCb);
cvShowImage("object",imgCb);
cvReleaseImage(&imgCb);
if (cvWaitKey(3)==27){//esc
break;
}
}
cvReleaseCapture(&capture);
#else //single image process
const char* filename=(argc>=2?argv[1]:"cr.jpg");
IplImage* img=cvLoadImage(filename,CV_LOAD_IMAGE_GRAYSCALE);
cvThresholdOtsu(img,img);
cvShowImage( "src", img );
char buf[256];
sprintf_s(buf,256,"%s.otsu.jpg",filename);
cvSaveImage(buf,img);
cvErode(img,img);
cvDilate(img,img);
cvShowImage( "dst", img );
sprintf_s(buf,256,"%s.otsu.processed.jpg",filename);
cvSaveImage(buf,img);
cvWaitKey(0);
#endif
return 0;
}

效果图：

1、肤色cb分量

2、otsu自适应阈值分割效果

3、开运算后效果

otsu自适应阈值分割的算法描述和opencv实现,及其在肤色检测中的应用相关推荐

【千律】OpenCV基础：图像阈值分割 -- 自适应阈值分割 -- 代码实现
环境:Python3.8 和 OpenCV 内容:自适应阈值分割代码实现 import cv2 as cv import numpy as np import matplotlib.pyplot as ...
自适应阈值分割—大津法（OTSU算法）C++实现
转自:https://blog.csdn.net/dcrmg/article/details/52216622 大津法是一种图像灰度自适应的阈值分割算法,是1979年由日本学者大津提出,并由他的名字命 ...
图像二值化方法及适用场景分析（OTSU Trangle 自适应阈值分割）
图像二值化应用场景二值图像定义阈值获取的方法手动阈值法自动阈值法灰度均值法基于直方图均值法 OTSU Triangle 自适应均值阈值分割方法总结参考文献应用场景二值图像处理与分 ...
在OpenCV里实现自适应阈值分割
在图片处理过程中,针对铺前进行二值化等操作的时候,我们希望能够将图片相应区域内所有的信息提供保留.实验室环境下,相应的素材是模板化的,但是将实验室方法应用于现实环境中时,我们会发现光影环境对于效果的影 ...
OpenCV自适应阈值分割函数：adaptiveThreshold()介绍
OpenCV自适应阈值分割函数:adaptiveThreshold()介绍 [注意] 1. adaptiveThreshold()函数的ThresholdTypes参数只能设置为"CV_TH ...
python+openCV 自适应阈值分割
当图像各局部亮度不同时,全局阈值就很难将背景和目标分割.因此提出了自适应阈值,即在图像的不同区域采用不同的阈值进行分割.利用函数cv2.adaptiveThreshold()进行分割. cv2.ada ...
自适应阈值分割（最大类间分割法 + OTSU）
1.定义最大类间方差法是由日本学者大津(Nobuyuki Otsu)于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法,简称OTSU.它是按图像的灰度特性,将图像分成背景和目标两部分,或者 ...
局部自适应阈值分割方法
github地址:https://github.com/radishgiant/ThresholdAndSegment.git Local_Yanowitz 由于光照的影响,图像的灰度可能是不均匀分布 ...
【opencv-python】大津法（Otsu）阈值分割原理深入分析
大津法(Otsu)是图像处理领域里面较为重要的阈值分割方法,适用于处理双峰图像.但大多数开发人员并不熟悉其原理,因此有必要对其进行详细说明与分析. opnecv的实例代码链接为: opencv-pyt ...

otsu自适应阈值分割的算法描述和opencv实现,及其在肤色检测中的应用

otsu自适应阈值分割的算法描述和opencv实现,及其在肤色检测中的应用相关推荐

最新文章

热门文章