OTSU算法实现二值化

最新推荐文章于 2026-05-16 05:42:06 发布

原创

最新推荐文章于 2026-05-16 05:42:06 发布 · 4.8k 阅读

标签

#fpga #verilog #图像识别

本文深入讲解OTSU算法，包括一维和二维OTSU算法的原理、应用及C代码实现。探讨了如何通过最大类间方差法确定最优阈值，进行图像二值化处理。

OTSU算法做二值化处理

查阅很多博客与资料，自己消化理解后，整理汇总而来，也算脑力劳动成果吧
查阅的文章链接文中基本都提及了

1.二值化处理

二值化，就是让图像的像素点矩阵中的每个像素点的灰度值为0（黑色）或者255（白色），也就是让整个图像呈现只有黑和白的效果。在灰度化的图像中灰度值的范围为0~255，在二值化后的图像中的灰度值范围是0或者255。

  黑色
           二值化后的R =  0
           二值化后的G =  0
           二值化后的B =  0
  白色
           二值化后的R =  255
           二值化后的G =  255
           二值化后的B =  255

那么一个像素点在灰度化之后的灰度值怎么转化为0或者255呢？比如灰度值为100，那么在二值化后到底是0还是255?这就涉及到取一个阀值的问题。
假如取阀值为127（相当于0~255的中数，（0+255）/2=127），让灰度值小于等于127的变为0（黑色），灰度值大于127的变为255（白色），这样做的好处是计算量小速度快，但是缺点也是很明显的，因为这个阀值在不同的图片中均为127，但是不同的图片，他们的颜色分布差别很大，所以用127做阀值，白菜萝卜一刀切，效果肯定是不好的。
总之，二值化的关键就是阈值怎么选取更合理的问题。

2. 具体思路

要实现一幅图像的字符分割

首先我们要将图像转换成灰度图像；
然后采用大津法（OTSU，自适应阈值分割）找出最佳的阈值分割点，将灰度图像转化为二值图像；
最后利用水平垂直投影法找出字符与字符之间的边界点。

最大类间方差法（大津法OTSU）

3.一维OTSU算法介绍

最大类间方差法是1979年由日本学者大津提出的，是一种自适应阈值确定的方法，又叫大津法，简称OTSU，是一种基于全局的二值化算法，它是根据图像的灰度特性,将图像分为前景和背景两个部分。当取最佳阈值时，两部分之间的差别应该是最大的，在OTSU算法中所采用的衡量差别的标准就是较为常见的最大类间方差。前景和背景之间的类间方差如果越大，就说明构成图像的两个部分之间的差别越大，当部分目标被错分为背景或部分背景被错分为目标，都会导致两部分差别变小，当所取阈值的分割使类间方差最大时就意味着错分概率最小[1]。

记T为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1，图像的总平均灰度为u，前景和背景图象的方差g，则有：

下面方差g的计算可以参考最原始的方差公式

不难发现是Xi减去平均数，所有的概率值都是1/n，而下面的g的计算其实就是对应的概率值发生了变化，从1/n变为了对应的w0和w1。

还有一个条件那就是w0+w1=1

OTSU算法学习 OTSU公式证明

4. C代码实现一维OTSU算法

这里暂无verilog代码，拿C的先理解一下

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];//图象直方图，共256个点
    byte color;
    byte* pline;
    int n, n1, n2;
    int total;//total为总和，累计值
    double m1, m2, sum, csum, fmax, sb;//sb为类间方差，fmax存储最大方差值
    int k, t, q;
    int threshValue =1;// 阈值
    int step =1;
    switch(image.PixelFormat)
    {
   
   
    case PixelFormat.Format24bppRgb:
        step =3;
        break;
    case PixelFormat.Format32bppArgb:
        step =4;
        break;
    case PixelFormat.Format8bppIndexed:
        step =1;
        break;
    }
    //生成直方图
    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);//返回各个点的颜色，以RGB表示
            pixelNum[color]++;//相应的直方图加1
        }
    }
    //直方图平滑化
    for(k =0; k <=255; k++)
    {
   
   
        total =0;
        for(t =-2; t <=2; t++)//与附近2个灰度做平滑化，t值应取较小的值
        {
   
   
            q = k + t;
            if(q <0)//越界处理
                q =0;
            if(q >255

最低0.47元/天解锁文章