m2003j15sc抖音真人播放量推广代理平台

客服   拼多多砍价dy抖音ks快手 自助商城点击进入

OTSU算法又叫最大类间方差阈值分割算法阈值分割技术，也叫大津算法，是在1980年由日本的大津展之提出，是由最小二乘法推导而来，用于一些简单的阈值确定。对于一个灰度图，我们有时候非常想把他用一个阈值将他的前景和背景区分开来。我们可以合理的假设为如果将图像的像素分布图画出来，那么图像上应该有两个峰，即前景色和背景色。在这两个峰之间肯定有一个谷，那么我们就可以将阈值设在这里，从而对图像达到一个良好的分割效果。

OTSU阈值分割：求图像灰度值的最大值和最小值。遍历最小值到最大值，取每个值作为分割的阈值。求最大化公式值的阈值：w0*w1*(u0-u1)*(u0-u1)阈值分割技术，这就是我们要找的最佳阈值。W0*w1*(u0-u1)*(u0-u1)是方差，的形式，这个公式是我们判断它是否最优的依据。因为方差是灰度分布均匀性的度量，所以背景和前景之间的类间方差越大，构成图像的两个部分之间的差异就越大。当某个前景被错误归类为背景或者某个背景被错误归类为前景时，两部分的差别会变小。因此，最大化类之间的方差意味着最小化错误分类的概率。

将单阈值OTSU扩展到多阈值图像分割，假设图像直方图分为m1类，对应的阈值为T1、T2和Tm。最大类间方差是：为了得到最优阈值，需要使用穷举搜索，并且随着m的增加，计算量急剧增加。如果采用牛顿迭代等优化搜索方法，很容易陷入局部最优解。最大类间方差阈值分割算法又称OTSU算法，也被称为大津算法的大津展览之一。它主要用于一些简单的阈值确定。

t为前景和背景的分割阈值，前景点在图像中的比例为w0，平均灰度为U0；图像中背景点的百分比为w1，平均灰度为u1。那么图像的总平均灰度为：u=w0*u0 w1*u1。以及前景图像和背景图像的方差：g=w0 *(u0-u)*(u0-u)w1 *(u1-u)*(u1-u)=w0 * w1 *(u0-u1)*(u0-u1)。这个公式就是方差公式，求方差的最大分割阈值作为图像二值化。对于图像I(x，y)，前景(即目标)和背景的分割阈值记为T，属于前景的像素占整个图像的比例记为0，其平均灰度值0；背景像素占整幅图像的百分比为1，其平均灰度为1。图像的总平均灰度记为，类间方差记为g

类间最大方差(大津算法)，这是一种确定阈值的算法。最大类间方差法之所以被称为最大类间方差法，是因为用该阈值对图像进行固定阈值二值化，具有最大的类间方差，它根据图像的灰度特征将图像分为背景和前景，因此类间的最大分割意味着最小的误分类概率。日本学者大津于1979年提出了OTSU-最大类间方差。这是一种自适应阈值确定方法，也称为大津方法。KSW双阈值法。1985年的OTSU是图像分割中的大津方法，而OSTU是一种错误的写法，这大多来自于国内论文不负责任的错误。