精华内容
下载资源
问答
  • Oepncv 常见阈值分割算法代码 里面介绍了常见的阈值分割代码的源码
  • 常见的图像二值化算法大致可分为全局阈值方法与局部阈值方法这两种类型。全局方法就是一个阈值,像素值大于此值的为1,小于此值的为0。...重点介绍局部阈值分割算法.1. Bersen算法原理1) 先人为设定两个值S与TT(B...

    常见的图像二值化算法大致可分为全局阈值方法与局部阈值方法这两种类型。全局方法就是一个阈值,像素值大于此值的为1,小于此值的为0。局部方法就是对每一个像素求阈值,大于此值为1,小于此值为0。其中OTSU算法是全局阈值的代表,而Sauvola算法则是局部阈值方法的标杆。Otsu(大津法),相关介绍很多,这里不做介绍。重点介绍局部阈值分割算法.

    1. Bersen算法原理

    1) 先人为设定两个值S与TT(Bemsen最初设S为15,TT设为128);

    2)计算以图像中任意像素尸为中心的大小为k×k窗口内的所有像素的最大值M与最小值N,两者的均值T,

    如果M-N大于S,则当前P的阈值为T;

    若小于S,则表示该窗口所在区域灰度级灰度级差别较小,那么窗口在目标区或在背景区;

    3)再判断T与TT的关系,若T>TT则当前点灰度值为255,否则当前点灰度值为0。

    缺点:耗时大.

    2. Niblack算法

    T是阈值,m是图像邻域窗口的均值,s是邻域窗口的标准差,K是预先设定的修正值。

    Niblack根据以像素点为中心的邻域内的点的情况为此像素计算阈值.

    Niblack法的优点:

    对每一个像素点都独立的跟据此像素点的邻域的情况来计算门限,对于和邻域均值m(x,y)相近的像素点判断为背景而反之判断为前景;而具体相近到什么程度由标准差s(X’y)和修正系数k来决定,这保证了这种的方法的灵活性。

    Niblack法的不足:

    由于要利用域r×r模板遍历图像,导致边界区域(r-1)/2的像素范围内无法求取阈值;同时当进行图像遍历时,如果域r×r范围内都是背景,经NIBLACK计算后必有一部分被确定为目标,产生伪噪声。

    总之,用Niblack方法进行图像分割时,选择的处理模板窗口R*R大小的选择很关键,选择的空间太小,则噪声抑制的效果不理想,目标主体不够突出,选择的空间太大,则目标的细节会被去除而丢失信息。

    3. Sauvola算法

    Sauvola算法的输入是灰度图像,它以当前像素点为中心,根据当前像素点邻域内的灰度均值与标准方差来动态计算该像素点的阈值。

    假定当前像素点的坐标为(x,y),以该点为中心的领域为r*r,g(x,y)表示(x,y)处的灰度值,Sauvola算法的步骤为:

    参考:https://livezingy.com/derivations-of-sauvola-formula/

    展开全文
  • 常见图像分割算法实现源代码

    热门讨论 2014-09-30 16:31:01
    常见图像分割算法实现源代码,对于在选择合适的分割算法,可以做分析对比,减少开发时间,包括边界分割,阈值分割,区域分割等
  • 七种常见阈值分割代码(Otsu、最大熵、迭代法、自适应阀值、手动、迭代法、基本全局阈值法): https://blog.csdn.net/qq_33485434/article/details/78328681 均值迭代算法: ...Canny边缘检测及自适应门限:(重点) ...

    七种常见阈值分割代码(Otsu、最大熵、迭代法、自适应阀值、手动、迭代法、基本全局阈值法):
    https://blog.csdn.net/qq_33485434/article/details/78328681
    均值迭代算法:
    https://blog.csdn.net/Robin__Chou/article/details/53448868
    Canny边缘检测及自适应门限:(重点)
    https://blog.csdn.net/debug__boy/article/details/8179730

    展开全文
  • 图像算法:图像阈值分割 SkySeraph Dec 21st 2010 HQU Email:zgzhaobo@gmail.com  QQ:452728574 Latest Modified Date:Dec.21st 2010 HQU 一、工具:VC+OpenCV 二、语言:C++ 三、原理(略)...
    
    

    图像算法:图像阈值分割

    SkySeraph Dec 21st 2010  HQU

    Email:zgzhaobo@gmail.com    QQ:452728574

    Latest Modified Date:Dec.21st 2010 HQU

    一、工具:VC+OpenCV

    二、语言:C++

    三、原理(略)

    四、程序

    主程序(核心部分) 

    复制代码
    代码
    1 /*===============================图像分割=====================================*/
    2 /*---------------------------------------------------------------------------*/
    3 /*手动设置阀值*/
    4 IplImage* binaryImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1);
    5 cvThreshold(smoothImgGauss,binaryImg,71,255,CV_THRESH_BINARY); 
    6 cvNamedWindow("cvThreshold", CV_WINDOW_AUTOSIZE );
    7 cvShowImage( "cvThreshold", binaryImg );
    8 //cvReleaseImage(&binaryImg); 
    9  /*---------------------------------------------------------------------------*/
    10 /*自适应阀值 //计算像域邻域的平均灰度,来决定二值化的值*/
    11 IplImage* adThresImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1);
    12 double max_value=255;
    13 int adpative_method=CV_ADAPTIVE_THRESH_GAUSSIAN_C;//CV_ADAPTIVE_THRESH_MEAN_C
    14  int threshold_type=CV_THRESH_BINARY;
    15 int block_size=3;//阈值的象素邻域大小
    16  int offset=5;//窗口尺寸
    17   cvAdaptiveThreshold(smoothImgGauss,adThresImg,max_value,adpative_method,threshold_type,block_size,offset);
    18 cvNamedWindow("cvAdaptiveThreshold", CV_WINDOW_AUTOSIZE );
    19 cvShowImage( "cvAdaptiveThreshold", adThresImg );
    20 cvReleaseImage(&adThresImg);
    21 /*---------------------------------------------------------------------------*/
    22 /*最大熵阀值分割法*/ 
    23 IplImage* imgMaxEntropy = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
    24 MaxEntropy(smoothImgGauss,imgMaxEntropy);
    25 cvNamedWindow("MaxEntroyThreshold", CV_WINDOW_AUTOSIZE );
    26 cvShowImage( "MaxEntroyThreshold", imgMaxEntropy );//显示图像
    27   cvReleaseImage(&imgMaxEntropy ); 
    28 /*---------------------------------------------------------------------------*/
    29 /*基本全局阀值法*/
    30 IplImage* imgBasicGlobalThreshold = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
    31 cvCopyImage(srcImgGrey,imgBasicGlobalThreshold);
    32 int pg[256],i,thre; 
    33 for (i=0;i<256;i++) pg[i]=0;
    34 for (i=0;i<imgBasicGlobalThreshold->imageSize;i++) // 直方图统计
    35   pg[(BYTE)imgBasicGlobalThreshold->imageData[i]]++; 
    36 thre = BasicGlobalThreshold(pg,0,256); // 确定阈值
    37   cout<<"The Threshold of this Image in BasicGlobalThreshold is:"<<thre<<endl;//输出显示阀值
    38   cvThreshold(imgBasicGlobalThreshold,imgBasicGlobalThreshold,thre,255,CV_THRESH_BINARY); // 二值化 
    39   cvNamedWindow("BasicGlobalThreshold", CV_WINDOW_AUTOSIZE );
    40 cvShowImage( "BasicGlobalThreshold", imgBasicGlobalThreshold);//显示图像
    41   cvReleaseImage(&imgBasicGlobalThreshold);
    42 /*---------------------------------------------------------------------------*/
    43 /*OTSU*/
    44 IplImage* imgOtsu = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
    45 cvCopyImage(srcImgGrey,imgOtsu);
    46 int thre2;
    47 thre2 = otsu2(imgOtsu);
    48 cout<<"The Threshold of this Image in Otsu is:"<<thre2<<endl;//输出显示阀值
    49 cvThreshold(imgOtsu,imgOtsu,thre2,255,CV_THRESH_BINARY); // 二值化 
    50 cvNamedWindow("imgOtsu", CV_WINDOW_AUTOSIZE );
    51 cvShowImage( "imgOtsu", imgOtsu);//显示图像 
    52 cvReleaseImage(&imgOtsu);
    53 /*---------------------------------------------------------------------------*/
    54 /*上下阀值法:利用正态分布求可信区间*/
    55 IplImage* imgTopDown = cvCreateImage( cvGetSize(imgGrey), IPL_DEPTH_8U, 1 );
    56 cvCopyImage(srcImgGrey,imgTopDown);
    57 CvScalar mean ,std_dev;//平均值、 标准差
    58 double u_threshold,d_threshold;
    59 cvAvgSdv(imgTopDown,&mean,&std_dev,NULL); 
    60 u_threshold = mean.val[0] +2.5* std_dev.val[0];//上阀值
    61 d_threshold = mean.val[0] -2.5* std_dev.val[0];//下阀值
    62 //u_threshold = mean + 2.5 * std_dev; //错误
    63 //d_threshold = mean - 2.5 * std_dev;
    64 cout<<"The TopThreshold of this Image in TopDown is:"<<d_threshold<<endl;//输出显示阀值
    65 cout<<"The DownThreshold of this Image in TopDown is:"<<u_threshold<<endl;
    66 cvThreshold(imgTopDown,imgTopDown,d_threshold,u_threshold,CV_THRESH_BINARY_INV);//上下阀值
    67 cvNamedWindow("imgTopDown", CV_WINDOW_AUTOSIZE );
    68 cvShowImage( "imgTopDown", imgTopDown);//显示图像 
    69 cvReleaseImage(&imgTopDown);
    70 /*---------------------------------------------------------------------------*/
    71 /*迭代法*/
    72 IplImage* imgIteration = cvCreateImage( cvGetSize(imgGrey), IPL_DEPTH_8U, 1 );
    73 cvCopyImage(srcImgGrey,imgIteration);
    74 int thre3,nDiffRec;
    75 thre3 =DetectThreshold(imgIteration, 100, nDiffRec);
    76 cout<<"The Threshold of this Image in imgIteration is:"<<thre3<<endl;//输出显示阀值
    77 cvThreshold(imgIteration,imgIteration,thre3,255,CV_THRESH_BINARY_INV);//上下阀值
    78 cvNamedWindow("imgIteration", CV_WINDOW_AUTOSIZE );
    79 cvShowImage( "imgIteration", imgIteration);
    80 cvReleaseImage(&imgIteration);
    复制代码

    模块程序

    迭代法

    复制代码
    1 /*======================================================================*/
    2 /* 迭代法*/
    3 /*======================================================================*/
    4 // nMaxIter:最大迭代次数;nDiffRec:使用给定阀值确定的亮区与暗区平均灰度差异值
    5 int DetectThreshold(IplImage*img, int nMaxIter, int& iDiffRec) //阀值分割:迭代法
    6 {
    7 //图像信息
    8 int height = img->height;
    9 int width = img->width;
    10 int step = img->widthStep/sizeof(uchar);
    11 uchar *data = (uchar*)img->imageData;
    12 
    13 iDiffRec =0;
    14 int F[256]={ 0 }; //直方图数组
    15 int iTotalGray=0;//灰度值和
    16 int iTotalPixel =0;//像素数和
    17 byte bt;//某点的像素值
    18 
    19 uchar iThrehold,iNewThrehold;//阀值、新阀值
    20 uchar iMaxGrayValue=0,iMinGrayValue=255;//原图像中的最大灰度值和最小灰度值
    21 uchar iMeanGrayValue1,iMeanGrayValue2;
    22 
    23 //获取(i,j)的值,存于直方图数组F
    24 for(int i=0;i<width;i++)
    25 {
    26 for(int j=0;j<height;j++)
    27 {
    28 bt = data[i*step+j];
    29 if(bt<iMinGrayValue)
    30 iMinGrayValue = bt;
    31 if(bt>iMaxGrayValue)
    32 iMaxGrayValue = bt;
    33 F[bt]++;
    34 }
    35 }
    36 
    37 iThrehold =0;//
    38 iNewThrehold = (iMinGrayValue+iMaxGrayValue)/2;//初始阀值
    39 iDiffRec = iMaxGrayValue - iMinGrayValue;
    40 
    41 for(int a=0;(abs(iThrehold-iNewThrehold)>0.5)&&a<nMaxIter;a++)//迭代中止条件
    42 {
    43 iThrehold = iNewThrehold;
    44 //小于当前阀值部分的平均灰度值
    45 for(int i=iMinGrayValue;i<iThrehold;i++)
    46 {
    47 iTotalGray += F[i]*i;//F[]存储图像信息
    48 iTotalPixel += F[i];
    49 }
    50 iMeanGrayValue1 = (uchar)(iTotalGray/iTotalPixel);
    51 //大于当前阀值部分的平均灰度值
    52 iTotalPixel =0;
    53 iTotalGray =0;
    54 for(int j=iThrehold+1;j<iMaxGrayValue;j++)
    55 {
    56 iTotalGray += F[j]*j;//F[]存储图像信息
    57 iTotalPixel += F[j]; 
    58 }
    59 iMeanGrayValue2 = (uchar)(iTotalGray/iTotalPixel);
    60 
    61 iNewThrehold = (iMeanGrayValue2+iMeanGrayValue1)/2; //新阀值
    62 iDiffRec = abs(iMeanGrayValue2 - iMeanGrayValue1);
    63 }
    64 
    65 //cout<<"The Threshold of this Image in imgIteration is:"<<iThrehold<<endl;
    66 return iThrehold;
    67 }
    68
    复制代码

      

    Otsu代码一 

    复制代码
    1 /*======================================================================*/
    2 /* OTSU global thresholding routine */
    3 /* takes a 2D unsigned char array pointer, number of rows, and */
    4 /* number of cols in the array. returns the value of the threshold */
    5 /*parameter: 
    6 *image --- buffer for image
    7 rows, cols --- size of image
    8 x0, y0, dx, dy --- region of vector used for computing threshold
    9 vvv --- debug option, is 0, no debug information outputed
    10 */
    11 /*
    12 OTSU 算法可以说是自适应计算单阈值(用来转换灰度图像为二值图像)的简单高效方法。
    13 下面的代码最早由 Ryan Dibble提供,此后经过多人Joerg.Schulenburg, R.Z.Liu 等修改,补正。
    14 算法对输入的灰度图像的直方图进行分析,将直方图分成两个部分,使得两部分之间的距离最大。
    15 划分点就是求得的阈值。
    16 */
    17 /*======================================================================*/
    18 int otsu (unsigned char*image, int rows, int cols, int x0, int y0, int dx, int dy, int vvv)
    19 {
    20 
    21 unsigned char*np; // 图像指针
    22 int thresholdValue=1; // 阈值
    23 int ihist[256]; // 图像直方图,256个点
    24 
    25 int i, j, k; // various counters
    26 int n, n1, n2, gmin, gmax;
    27 double m1, m2, sum, csum, fmax, sb;
    28 
    29 // 对直方图置零
    30 memset(ihist, 0, sizeof(ihist));
    31 
    32 gmin=255; gmax=0;
    33 // 生成直方图
    34 for (i = y0 +1; i < y0 + dy -1; i++) 
    35 {
    36 np = (unsigned char*)image[i*cols+x0+1];
    37 for (j = x0 +1; j < x0 + dx -1; j++)
    38 {
    39 ihist[*np]++;
    40 if(*np > gmax) gmax=*np;
    41 if(*np < gmin) gmin=*np;
    42 np++; /* next pixel */
    43 }
    44 }
    45 
    46 // set up everything
    47 sum = csum =0.0;
    48 n =0;
    49 
    50 for (k =0; k <=255; k++) 
    51 {
    52 sum += (double) k * (double) ihist[k]; /* x*f(x) 质量矩*/
    53 n += ihist[k]; /* f(x) 质量 */
    54 }
    55 
    56 if (!n) 
    57 {
    58 // if n has no value, there is problems...
    59 fprintf (stderr, "NOT NORMAL thresholdValue = 160\n");
    60 return (160);
    61 }
    62 
    63 // do the otsu global thresholding method
    64 fmax =-1.0;
    65 n1 =0;
    66 for (k =0; k <255; k++)
    67 {
    68 n1 += ihist[k];
    69 if (!n1) 
    70 { 
    71 continue; 
    72 }
    73 n2 = n - n1;
    74 if (n2 ==0)
    75 { 
    76 break; 
    77 }
    78 csum += (double) k *ihist[k];
    79 m1 = csum / n1;
    80 m2 = (sum - csum) / n2;
    81 sb = (double) n1 *(double) n2 *(m1 - m2) * (m1 - m2);
    82 /* bbg: note: can be optimized. */
    83 if (sb > fmax) 
    84 {
    85 fmax = sb;
    86 thresholdValue = k;
    87 }
    88 }
    89 
    90 // at this point we have our thresholding value
    91 
    92 // debug code to display thresholding values
    93 if ( vvv &1 )
    94 fprintf(stderr,"# OTSU: thresholdValue = %d gmin=%d gmax=%d\n",
    95 thresholdValue, gmin, gmax);
    96 
    97 return(thresholdValue);
    98 }
    复制代码

    Otsu代码二 

    复制代码
    1 /*======================================================================*/
    2 /* OTSU global thresholding routine */
    3 /*======================================================================*/
    4 int otsu2 (IplImage *image)
    5 {
    6 int w = image->width;
    7 int h = image->height;
    8 
    9 unsigned char*np; // 图像指针
    10 unsigned char pixel;
    11 int thresholdValue=1; // 阈值
    12 int ihist[256]; // 图像直方图,256个点
    13 
    14 int i, j, k; // various counters
    15 int n, n1, n2, gmin, gmax;
    16 double m1, m2, sum, csum, fmax, sb;
    17 
    18 // 对直方图置零...
    19 memset(ihist, 0, sizeof(ihist));
    20 
    21 gmin=255; gmax=0;
    22 // 生成直方图
    23 for (i =0; i < h; i++) 
    24 {
    25 np = (unsigned char*)(image->imageData + image->widthStep*i);
    26 for (j =0; j < w; j++) 
    27 {
    28 pixel = np[j];
    29 ihist[ pixel]++;
    30 if(pixel > gmax) gmax= pixel;
    31 if(pixel < gmin) gmin= pixel;
    32 }
    33 }
    34 
    35 // set up everything
    36 sum = csum =0.0;
    37 n =0;
    38 
    39 for (k =0; k <=255; k++) 
    40 {
    41 sum += k * ihist[k]; /* x*f(x) 质量矩*/
    42 n += ihist[k]; /* f(x) 质量 */
    43 }
    44 
    45 if (!n) 
    46 {
    47 // if n has no value, there is problems...
    48 //fprintf (stderr, "NOT NORMAL thresholdValue = 160\n");
    49 thresholdValue =160;
    50 goto L;
    51 }
    52 
    53 // do the otsu global thresholding method
    54 fmax =-1.0;
    55 n1 =0;
    56 for (k =0; k <255; k++) 
    57 {
    58 n1 += ihist[k];
    59 if (!n1) { continue; }
    60 n2 = n - n1;
    61 if (n2 ==0) { break; }
    62 csum += k *ihist[k];
    63 m1 = csum / n1;
    64 m2 = (sum - csum) / n2;
    65 sb = n1 * n2 *(m1 - m2) * (m1 - m2);
    66 /* bbg: note: can be optimized. */
    67 if (sb > fmax)
    68 {
    69 fmax = sb;
    70 thresholdValue = k;
    71 }
    72 }
    73 
    74 L:
    75 for (i =0; i < h; i++) 
    76 {
    77 np = (unsigned char*)(image->imageData + image->widthStep*i);
    78 for (j =0; j < w; j++) 
    79 {
    80 if(np[j] >= thresholdValue)
    81 np[j] =255;
    82 else np[j] =0;
    83 }
    84 }
    85 
    86 //cout<<"The Threshold of this Image in Otsu is:"<<thresholdValue<<endl;
    87 return(thresholdValue);
    88 }
    复制代码

     

    最大熵阀值 

    复制代码
    1 /*============================================================================
    2 = 代码内容:最大熵阈值分割 
    3 = 修改日期:2009-3-3 
    4 = 作者:crond123 
    5 = 博客:http://blog.csdn.net/crond123/
    6 = E_Mail:crond123@163.com 
    7 ===============================================================================*/
    8 // 计算当前位置的能量熵
    9 double caculateCurrentEntropy(CvHistogram * Histogram1,int cur_threshold,entropy_state state)
    10 {
    11 int start,end;
    12 int total =0;
    13 double cur_entropy =0.0;
    14 if(state == back) 
    15 {
    16 start =0;
    17 end = cur_threshold; 
    18 }
    19 else 
    20 {
    21 start = cur_threshold;
    22 end =256; 
    23 } 
    24 for(int i=start;i<end;i++) 
    25 {
    26 total += (int)cvQueryHistValue_1D(Histogram1,i);//查询直方块的值 P304
    27 }
    28 for(int j=start;j<end;j++)
    29 {
    30 if((int)cvQueryHistValue_1D(Histogram1,j)==0)
    31 continue;
    32 double percentage = cvQueryHistValue_1D(Histogram1,j)/total;
    33 /*熵的定义公式*/
    34 cur_entropy +=-percentage*logf(percentage);
    35 /*根据泰勒展式去掉高次项得到的熵的近似计算公式
    36 cur_entropy += percentage*percentage;*/ 
    37 }
    38 return cur_entropy;
    39 // return (1-cur_entropy);
    40 }
    41 
    42 //寻找最大熵阈值并分割
    43 void MaxEntropy(IplImage *src,IplImage *dst)
    44 {
    45 assert(src != NULL);
    46 assert(src->depth ==8&& dst->depth ==8);
    47 assert(src->nChannels ==1);
    48 CvHistogram * hist = cvCreateHist(1,&HistogramBins,CV_HIST_ARRAY,HistogramRange);//创建一个指定尺寸的直方图
    49 //参数含义:直方图包含的维数、直方图维数尺寸的数组、直方图的表示格式、方块范围数组、归一化标志
    50 cvCalcHist(&src,hist);//计算直方图
    51 double maxentropy =-1.0;
    52 int max_index =-1;
    53 // 循环测试每个分割点,寻找到最大的阈值分割点
    54 for(int i=0;i<HistogramBins;i++) 
    55 {
    56 double cur_entropy = caculateCurrentEntropy(hist,i,object)+caculateCurrentEntropy(hist,i,back);
    57 if(cur_entropy>maxentropy)
    58 {
    59 maxentropy = cur_entropy;
    60 max_index = i;
    61 }
    62 }
    63 cout<<"The Threshold of this Image in MaxEntropy is:"<<max_index<<endl;
    64 cvThreshold(src, dst, (double)max_index,255, CV_THRESH_BINARY);
    65 cvReleaseHist(&hist);
    66 }
    复制代码

    基本全局阀值法 

    复制代码
    1 /*============================================================================
    2 = 代码内容:基本全局阈值法 
    3 ==============================================================================*/
    4 int BasicGlobalThreshold(int*pg,int start,int end)
    5 { // 基本全局阈值法
    6 int i,t,t1,t2,k1,k2;
    7 double u,u1,u2; 
    8 t=0; 
    9 u=0;
    10 for (i=start;i<end;i++) 
    11 {
    12 t+=pg[i]; 
    13 u+=i*pg[i];
    14 }
    15 k2=(int) (u/t); // 计算此范围灰度的平均值 
    16 do 
    17 {
    18 k1=k2;
    19 t1=0; 
    20 u1=0;
    21 for (i=start;i<=k1;i++) 
    22 { // 计算低灰度组的累加和
    23 t1+=pg[i]; 
    24 u1+=i*pg[i];
    25 }
    26 t2=t-t1;
    27 u2=u-u1;
    28 if (t1) 
    29 u1=u1/t1; // 计算低灰度组的平均值
    30 else 
    31 u1=0;
    32 if (t2) 
    33 u2=u2/t2; // 计算高灰度组的平均值
    34 else 
    35 u2=0;
    36 k2=(int) ((u1+u2)/2); // 得到新的阈值估计值
    37 }
    38 while(k1!=k2); // 数据未稳定,继续
    39 //cout<<"The Threshold of this Image in BasicGlobalThreshold is:"<<k1<<endl;
    40 return(k1); // 返回阈值
    41 }
    复制代码

    展开全文
  • 图像算法:图像阈值分割 SkySeraph Dec 21st 2010 HQU Email:zgzhaobo@gmail.com QQ:452728574 Latest Modified Date:Dec.21st 2010 HQU 一、工具:VC+OpenCV 二、语言:C++ 三、原理(略) 四、程序 主...

    图像算法:图像阈值分割

    SkySeraph Dec 21st 2010  HQU

    Email:zgzhaobo@gmail.com    QQ:452728574

    Latest Modified Date:Dec.21st 2010 HQU

    一、工具:VC+OpenCV

    二、语言:C++

    三、原理(略)

    四、程序

    主程序(核心部分) 

    复制代码
    代码
    1 /*===============================图像分割=====================================*/
    2 /*---------------------------------------------------------------------------*/
    3 /*手动设置阀值*/
    4 IplImage* binaryImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1);
    5 cvThreshold(smoothImgGauss,binaryImg,71,255,CV_THRESH_BINARY); 
    6 cvNamedWindow("cvThreshold", CV_WINDOW_AUTOSIZE );
    7 cvShowImage( "cvThreshold", binaryImg );
    8 //cvReleaseImage(&binaryImg); 
    9  /*---------------------------------------------------------------------------*/
    10 /*自适应阀值 //计算像域邻域的平均灰度,来决定二值化的值*/
    11 IplImage* adThresImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1);
    12 double max_value=255;
    13 int adpative_method=CV_ADAPTIVE_THRESH_GAUSSIAN_C;//CV_ADAPTIVE_THRESH_MEAN_C
    14  int threshold_type=CV_THRESH_BINARY;
    15 int block_size=3;//阈值的象素邻域大小
    16  int offset=5;//窗口尺寸
    17   cvAdaptiveThreshold(smoothImgGauss,adThresImg,max_value,adpative_method,threshold_type,block_size,offset);
    18 cvNamedWindow("cvAdaptiveThreshold", CV_WINDOW_AUTOSIZE );
    19 cvShowImage( "cvAdaptiveThreshold", adThresImg );
    20 cvReleaseImage(&adThresImg);
    21 /*---------------------------------------------------------------------------*/
    22 /*最大熵阀值分割法*/ 
    23 IplImage* imgMaxEntropy = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
    24 MaxEntropy(smoothImgGauss,imgMaxEntropy);
    25 cvNamedWindow("MaxEntroyThreshold", CV_WINDOW_AUTOSIZE );
    26 cvShowImage( "MaxEntroyThreshold", imgMaxEntropy );//显示图像
    27   cvReleaseImage(&imgMaxEntropy ); 
    28 /*---------------------------------------------------------------------------*/
    29 /*基本全局阀值法*/
    30 IplImage* imgBasicGlobalThreshold = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
    31 cvCopyImage(srcImgGrey,imgBasicGlobalThreshold);
    32 int pg[256],i,thre; 
    33 for (i=0;i<256;i++) pg[i]=0;
    34 for (i=0;i<imgBasicGlobalThreshold->imageSize;i++) // 直方图统计
    35   pg[(BYTE)imgBasicGlobalThreshold->imageData[i]]++; 
    36 thre = BasicGlobalThreshold(pg,0,256); // 确定阈值
    37   cout<<"The Threshold of this Image in BasicGlobalThreshold is:"<<thre<<endl;//输出显示阀值
    38   cvThreshold(imgBasicGlobalThreshold,imgBasicGlobalThreshold,thre,255,CV_THRESH_BINARY); // 二值化 
    39   cvNamedWindow("BasicGlobalThreshold", CV_WINDOW_AUTOSIZE );
    40 cvShowImage( "BasicGlobalThreshold", imgBasicGlobalThreshold);//显示图像
    41   cvReleaseImage(&imgBasicGlobalThreshold);
    42 /*---------------------------------------------------------------------------*/
    43 /*OTSU*/
    44 IplImage* imgOtsu = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
    45 cvCopyImage(srcImgGrey,imgOtsu);
    46 int thre2;
    47 thre2 = otsu2(imgOtsu);
    48 cout<<"The Threshold of this Image in Otsu is:"<<thre2<<endl;//输出显示阀值
    49 cvThreshold(imgOtsu,imgOtsu,thre2,255,CV_THRESH_BINARY); // 二值化 
    50 cvNamedWindow("imgOtsu", CV_WINDOW_AUTOSIZE );
    51 cvShowImage( "imgOtsu", imgOtsu);//显示图像 
    52 cvReleaseImage(&imgOtsu);
    53 /*---------------------------------------------------------------------------*/
    54 /*上下阀值法:利用正态分布求可信区间*/
    55 IplImage* imgTopDown = cvCreateImage( cvGetSize(imgGrey), IPL_DEPTH_8U, 1 );
    56 cvCopyImage(srcImgGrey,imgTopDown);
    57 CvScalar mean ,std_dev;//平均值、 标准差
    58 double u_threshold,d_threshold;
    59 cvAvgSdv(imgTopDown,&mean,&std_dev,NULL); 
    60 u_threshold = mean.val[0] +2.5* std_dev.val[0];//上阀值
    61 d_threshold = mean.val[0] -2.5* std_dev.val[0];//下阀值
    62 //u_threshold = mean + 2.5 * std_dev; //错误
    63 //d_threshold = mean - 2.5 * std_dev;
    64 cout<<"The TopThreshold of this Image in TopDown is:"<<d_threshold<<endl;//输出显示阀值
    65 cout<<"The DownThreshold of this Image in TopDown is:"<<u_threshold<<endl;
    66 cvThreshold(imgTopDown,imgTopDown,d_threshold,u_threshold,CV_THRESH_BINARY_INV);//上下阀值
    67 cvNamedWindow("imgTopDown", CV_WINDOW_AUTOSIZE );
    68 cvShowImage( "imgTopDown", imgTopDown);//显示图像 
    69 cvReleaseImage(&imgTopDown);
    70 /*---------------------------------------------------------------------------*/
    71 /*迭代法*/
    72 IplImage* imgIteration = cvCreateImage( cvGetSize(imgGrey), IPL_DEPTH_8U, 1 );
    73 cvCopyImage(srcImgGrey,imgIteration);
    74 int thre3,nDiffRec;
    75 thre3 =DetectThreshold(imgIteration, 100, nDiffRec);
    76 cout<<"The Threshold of this Image in imgIteration is:"<<thre3<<endl;//输出显示阀值
    77 cvThreshold(imgIteration,imgIteration,thre3,255,CV_THRESH_BINARY_INV);//上下阀值
    78 cvNamedWindow("imgIteration", CV_WINDOW_AUTOSIZE );
    79 cvShowImage( "imgIteration", imgIteration);
    80 cvReleaseImage(&imgIteration);
    复制代码

    模块程序

    迭代法

    代码
    /*======================================================================*/
    /* 迭代法*/
    /*======================================================================*/
    // nMaxIter:最大迭代次数;nDiffRec:使用给定阀值确定的亮区与暗区平均灰度差异值
    int DetectThreshold(IplImage*img, int nMaxIter, int& iDiffRec)  //阀值分割:迭代法
    {
    //图像信息
    int height = img->height;
    int width = img->width;
    int step = img->widthStep/sizeof(uchar);
        uchar *data = (uchar*)img->imageData;
    
        iDiffRec =0;
    int F[256]={ 0 }; //直方图数组
    int iTotalGray=0;//灰度值和
    int iTotalPixel =0;//像素数和
    byte bt;//某点的像素值
    
        uchar iThrehold,iNewThrehold;//阀值、新阀值
        uchar iMaxGrayValue=0,iMinGrayValue=255;//原图像中的最大灰度值和最小灰度值
        uchar iMeanGrayValue1,iMeanGrayValue2;
    
    //获取(i,j)的值,存于直方图数组F
    for(int i=0;i<width;i++)
        {
    for(int j=0;j<height;j++)
            {
                bt = data[i*step+j];
    if(bt<iMinGrayValue)
                    iMinGrayValue = bt;
    if(bt>iMaxGrayValue)
                    iMaxGrayValue = bt;
                F[bt]++;
            }
        }
    
        iThrehold =0;//
        iNewThrehold = (iMinGrayValue+iMaxGrayValue)/2;//初始阀值
        iDiffRec = iMaxGrayValue - iMinGrayValue;
    
    for(int a=0;(abs(iThrehold-iNewThrehold)>0.5)&&a<nMaxIter;a++)//迭代中止条件
        {
            iThrehold = iNewThrehold;
    //小于当前阀值部分的平均灰度值
    for(int i=iMinGrayValue;i<iThrehold;i++)
            {
                iTotalGray += F[i]*i;//F[]存储图像信息
                iTotalPixel += F[i];
            }
            iMeanGrayValue1 = (uchar)(iTotalGray/iTotalPixel);
    //大于当前阀值部分的平均灰度值
            iTotalPixel =0;
            iTotalGray =0;
    for(int j=iThrehold+1;j<iMaxGrayValue;j++)
            {
                iTotalGray += F[j]*j;//F[]存储图像信息
                iTotalPixel += F[j];    
            }
            iMeanGrayValue2 = (uchar)(iTotalGray/iTotalPixel);
    
            iNewThrehold = (iMeanGrayValue2+iMeanGrayValue1)/2;        //新阀值
            iDiffRec = abs(iMeanGrayValue2 - iMeanGrayValue1);
        }
    
    //cout<<"The Threshold of this Image in imgIteration is:"<<iThrehold<<endl;
    return iThrehold;
    }

     

    Otsu代码一 

    代码
    /*======================================================================*/
    /* OTSU global thresholding routine */
    /* takes a 2D unsigned char array pointer, number of rows, and */
    /* number of cols in the array. returns the value of the threshold */
    /*parameter: 
    *image --- buffer for image
    rows, cols --- size of image
    x0, y0, dx, dy --- region of vector used for computing threshold
    vvv --- debug option, is 0, no debug information outputed
    */
    /*
    OTSU 算法可以说是自适应计算单阈值(用来转换灰度图像为二值图像)的简单高效方法。
    下面的代码最早由 Ryan Dibble提供,此后经过多人Joerg.Schulenburg, R.Z.Liu 等修改,补正。
    算法对输入的灰度图像的直方图进行分析,将直方图分成两个部分,使得两部分之间的距离最大。
    划分点就是求得的阈值。
    */
    /*======================================================================*/
    int otsu (unsigned char*image, int rows, int cols, int x0, int y0, int dx, int dy, int vvv)
    {
        
        unsigned char*np; // 图像指针
    int thresholdValue=1; // 阈值
    int ihist[256]; // 图像直方图,256个点
        
    int i, j, k; // various counters
    int n, n1, n2, gmin, gmax;
    double m1, m2, sum, csum, fmax, sb;
        
    // 对直方图置零
        memset(ihist, 0, sizeof(ihist));
        
        gmin=255; gmax=0;
    // 生成直方图
    for (i = y0 +1; i < y0 + dy -1; i++) 
        {
            np = (unsigned char*)image[i*cols+x0+1];
    for (j = x0 +1; j < x0 + dx -1; j++)
            {
                ihist[*np]++;
    if(*np > gmax) gmax=*np;
    if(*np < gmin) gmin=*np;
                np++; /* next pixel */
            }
        }
        
    // set up everything
        sum = csum =0.0;
        n =0;
        
    for (k =0; k <=255; k++) 
        {
            sum += (double) k * (double) ihist[k]; /* x*f(x) 质量矩*/
            n += ihist[k]; /* f(x) 质量 */
        }
        
    if (!n) 
        {
    // if n has no value, there is problems...
            fprintf (stderr, "NOT NORMAL thresholdValue = 160\n");
    return (160);
        }
        
    // do the otsu global thresholding method
        fmax =-1.0;
        n1 =0;
    for (k =0; k <255; k++)
        {
            n1 += ihist[k];
    if (!n1) 
            { 
    continue; 
            }
            n2 = n - n1;
    if (n2 ==0)
            { 
    break; 
            }
            csum += (double) k *ihist[k];
            m1 = csum / n1;
            m2 = (sum - csum) / n2;
            sb = (double) n1 *(double) n2 *(m1 - m2) * (m1 - m2);
    /* bbg: note: can be optimized. */
    if (sb > fmax) 
            {
                fmax = sb;
                thresholdValue = k;
            }
        }
        
    // at this point we have our thresholding value
        
    // debug code to display thresholding values
    if ( vvv &1 )
            fprintf(stderr,"# OTSU: thresholdValue = %d gmin=%d gmax=%d\n",
            thresholdValue, gmin, gmax);
        
    return(thresholdValue);
    }

     

    Otsu代码二 

    代码
    /*======================================================================*/
    /* OTSU global thresholding routine */
    /*======================================================================*/
    int otsu2 (IplImage *image)
    {
    int w = image->width;
    int h = image->height;
        
        unsigned char*np; // 图像指针
        unsigned char pixel;
    int thresholdValue=1; // 阈值
    int ihist[256]; // 图像直方图,256个点
        
    int i, j, k; // various counters
    int n, n1, n2, gmin, gmax;
    double m1, m2, sum, csum, fmax, sb;
        
    // 对直方图置零...
        memset(ihist, 0, sizeof(ihist));
        
        gmin=255; gmax=0;
    // 生成直方图
    for (i =0; i < h; i++) 
        {
            np = (unsigned char*)(image->imageData + image->widthStep*i);
    for (j =0; j < w; j++) 
            {
                pixel = np[j];
                ihist[ pixel]++;
    if(pixel > gmax) gmax= pixel;
    if(pixel < gmin) gmin= pixel;
            }
        }
        
    // set up everything
        sum = csum =0.0;
        n =0;
        
    for (k =0; k <=255; k++) 
        {
            sum += k * ihist[k]; /* x*f(x) 质量矩*/
            n += ihist[k]; /* f(x) 质量 */
        }
        
    if (!n) 
        {
    // if n has no value, there is problems...
    //fprintf (stderr, "NOT NORMAL thresholdValue = 160\n");
            thresholdValue =160;
    goto L;
        }
        
    // do the otsu global thresholding method
        fmax =-1.0;
        n1 =0;
    for (k =0; k <255; k++) 
        {
            n1 += ihist[k];
    if (!n1) { continue; }
            n2 = n - n1;
    if (n2 ==0) { break; }
            csum += k *ihist[k];
            m1 = csum / n1;
            m2 = (sum - csum) / n2;
            sb = n1 * n2 *(m1 - m2) * (m1 - m2);
    /* bbg: note: can be optimized. */
    if (sb > fmax)
            {
                fmax = sb;
                thresholdValue = k;
            }
        }
        
    L:
    for (i =0; i < h; i++) 
        {
            np = (unsigned char*)(image->imageData + image->widthStep*i);
    for (j =0; j < w; j++) 
            {
    if(np[j] >= thresholdValue)
                    np[j] =255;
    else np[j] =0;
            }
        }
    
    //cout<<"The Threshold of this Image in Otsu is:"<<thresholdValue<<endl;
    return(thresholdValue);
    }

     

    最大熵阀值 

    代码
    /*============================================================================
    =  代码内容:最大熵阈值分割                                      
    =  修改日期:2009-3-3                                                                                                         
    =  作者:crond123 
    =  博客:http://blog.csdn.net/crond123/
    =  E_Mail:crond123@163.com                                                      
    ===============================================================================*/
    // 计算当前位置的能量熵
    double caculateCurrentEntropy(CvHistogram * Histogram1,int cur_threshold,entropy_state state)
    {
    int start,end;
    int  total =0;
    double cur_entropy =0.0;
    if(state == back)    
        {
            start =0;
            end = cur_threshold;    
        }
    else    
        {
            start = cur_threshold;
            end =256;    
        }    
    for(int i=start;i<end;i++)    
        {
            total += (int)cvQueryHistValue_1D(Histogram1,i);//查询直方块的值 P304
        }
    for(int j=start;j<end;j++)
        {
    if((int)cvQueryHistValue_1D(Histogram1,j)==0)
    continue;
    double percentage = cvQueryHistValue_1D(Histogram1,j)/total;
    /*熵的定义公式*/
            cur_entropy +=-percentage*logf(percentage);
    /*根据泰勒展式去掉高次项得到的熵的近似计算公式
            cur_entropy += percentage*percentage;*/        
        }
    return cur_entropy;
    //    return (1-cur_entropy);
    }
    
    //寻找最大熵阈值并分割
    void  MaxEntropy(IplImage *src,IplImage *dst)
    {
        assert(src != NULL);
        assert(src->depth ==8&& dst->depth ==8);
        assert(src->nChannels ==1);
        CvHistogram * hist  = cvCreateHist(1,&HistogramBins,CV_HIST_ARRAY,HistogramRange);//创建一个指定尺寸的直方图
    //参数含义:直方图包含的维数、直方图维数尺寸的数组、直方图的表示格式、方块范围数组、归一化标志
        cvCalcHist(&src,hist);//计算直方图
    double maxentropy =-1.0;
    int max_index =-1;
    // 循环测试每个分割点,寻找到最大的阈值分割点
    for(int i=0;i<HistogramBins;i++)    
        {
    double cur_entropy = caculateCurrentEntropy(hist,i,object)+caculateCurrentEntropy(hist,i,back);
    if(cur_entropy>maxentropy)
            {
                maxentropy = cur_entropy;
                max_index = i;
            }
        }
        cout<<"The Threshold of this Image in MaxEntropy is:"<<max_index<<endl;
        cvThreshold(src, dst, (double)max_index,255, CV_THRESH_BINARY);
        cvReleaseHist(&hist);
    }

     

    基本全局阀值法 

    代码
    /*============================================================================
    =  代码内容:基本全局阈值法                              
    ==============================================================================*/
    int BasicGlobalThreshold(int*pg,int start,int end)
    {                                           //  基本全局阈值法
    int  i,t,t1,t2,k1,k2;
    double u,u1,u2;    
        t=0;     
        u=0;
    for (i=start;i<end;i++) 
        {
            t+=pg[i];        
            u+=i*pg[i];
        }
        k2=(int) (u/t);                          //  计算此范围灰度的平均值    
    do 
        {
            k1=k2;
            t1=0;    
            u1=0;
    for (i=start;i<=k1;i++) 
            {             //  计算低灰度组的累加和
                t1+=pg[i];    
                u1+=i*pg[i];
            }
            t2=t-t1;
            u2=u-u1;
    if (t1) 
                u1=u1/t1;                     //  计算低灰度组的平均值
    else 
                u1=0;
    if (t2) 
                u2=u2/t2;                     //  计算高灰度组的平均值
    else 
                u2=0;
            k2=(int) ((u1+u2)/2);                 //  得到新的阈值估计值
        }
    while(k1!=k2);                           //  数据未稳定,继续
    //cout<<"The Threshold of this Image in BasicGlobalThreshold is:"<<k1<<endl;
    return(k1);                              //  返回阈值
    }

     

    五 效果(略)

     

    Author:         SKySeraph

    Email/GTalk: zgzhaobo@gmail.com    QQ:452728574

    From:         http://www.cnblogs.com/skyseraph/

    本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,请尊重作者的劳动成果。

     

    转载于:https://www.cnblogs.com/GarfieldEr007/p/5459629.html

    展开全文
  • 基于Otsu算法的图像自适应阈值分割

    万次阅读 多人点赞 2016-02-03 14:48:14
    其中,参数level是一个介于0~1之间的值,也就是用于分割图像的阈值。默认情况下,它可取值是0.5。 现在问题来了,有没有一种根据图像自身特点来自适应地选择阈值的方法呢?答案是肯定的!我们今天就来介绍其中...
  • 图像算法:图像阈值分割 SkySeraph Dec 21st 2010 HQU Email:zgzhaobo@gmail.com QQ:452728574 Latest Modified Date:Dec.21st 2010 HQU 一、工具:VC+OpenCV 二、语言:C++ 三、原理(略) ...
  • 图像的阈值分割

    千次阅读 2019-04-22 16:24:12
    常见阈值分割即为R、G、B的阈值分割,即判断像素点的R、G、B值是否大于或小于某一阈值,满足条件的点就保留或删除。 本代码阈值分割算法是直接按行按列依次遍历图像每个像素点,判断像素点的值是否满足分割.....
  •  otsu法(最大类间方差法,有时也称之为大津算法)使用的是聚类的思想,把图像的灰度数按灰度级分成2个部分,使得两个部分之间的灰度值差异最大,每个部分之间的灰度差异最小,通过方差的计算来寻找一个合...
  • opencv中几种阈值分割

    千次阅读 2017-10-24 13:44:22
    七种常见阈值分割代码(Otsu、最大熵、迭代法、自适应阀值、手动、迭代法、基本全局阈值法) 一、工具:VC+OpenCV 二、语言:C++ 三、原理    otsu法(最大类间方差法,有时也称之为大津算法)...
  • 图像分割算法

    2018-11-08 19:54:25
    图像分割的主要算法: 1.基于阈值的分割方法 2.基于边缘的分割方法 3.基于区域的分割方法 ...阈值分割方法作为一种常见的区域并行技术,就是用一个或几个阈值将图像的灰度直方图分成几个类,认为图像中灰...
  • 灰度图像阈值分割常见方法总结及VC实现

    万次阅读 多人点赞 2011-11-11 23:20:05
    在图像处理领域,二值图像运算量小,并且能够体现图像的关键特征,因此被广泛使用。...本文主要对最近一段时间作者所学习的阈值化图像分割算法进行总结,全文描述了作者对每种算法的理解,并基于Ope
  • 图像处理--图像分割算法介绍

    万次阅读 2016-11-15 17:21:22
    图像分割的主要算法: 1.基于阈值的分割方法 2.基于边缘的分割方法 3.基于区域的分割方法 ...阈值分割方法作为一种常见的区域并行技术,就是用一个或几个阈值将图像的灰度直方图分成几个类,认为图像中灰度值
  • 在图像处理领域,二值图像运算量小,并且能够体现图像的关键特征,因此被广泛使用。...本文主要对最近一段时间作者所学习的阈值化图像分割算法进行总结,全文描述了作者对每种算法的理解,并基于Ope
  • 一、工具:VC+OpenCV ... otsu法(最大类间方差法,有时也称之为大津算法)使用的是聚类的思想,把图像的灰度数按灰度级分成2个部分,使得两个部分之间的灰度值差异最大,每个部分之间的灰度差异最小,通过方差的...

空空如也

空空如也

1 2 3 4
收藏数 71
精华内容 28
热门标签
关键字:

常见阈值分割算法