ostu演算法

A. otsu法和threshold有什麼區別

盲猜是圖像二值化處理的問題。

首先說結論：otsu法和threshold並不是一類東西，沒法說有什麼區別。otsu法是得出threshold的一個演算法。

一個灰度圖像，每個像素的灰度值都是一個位元組，8位，也就是0~255。數越大顏色越淺，越小顏色越深，0是黑色，255是白色。

二值化圖像也就是只有黑和白兩種顏色，一般情況下0是黑，1是白。

將灰度圖進行二值化處理時也就需要一個閾值，也就是threshold。小於這個閾值的數為0，這個點為黑色；大於這個閾值的數為1，這個點為白色。

所以圖像二值化最根本的問題就在於怎麼去選擇這個閾值。

最簡單的辦法就是設定一個固定值，這是運算速度最快也是最弱智的方法。顯然這種方法對環境光的要求比較高，如果整體環境的明暗發生變化，那麼對設定的閾值也要重新整定。

所以需要找到一種能夠自動計算出閾值的演算法。這種演算法有很多，OTSU法是其中用的比較多的一個方法。

OTSU法，中文叫大津法，是由日本學者大津展之提出的，因此以他的名字命名。大津法的根本思想是，首先通過聚類的方法將圖像的灰度值分為前景和背景兩類，再窮舉所有像素點的灰度值，並計算出一個閾值使得類間方差最大，這樣這個閾值就是一個理想的二值化閾值。大津法能夠很好的適應圖像的明暗度和對比度的變化。

大津法的具體演算法可以參考這篇文章：網頁鏈接

B. otsu演算法有多個k值對應的類間方差相等且最大

k的0～255循環求得每一個對應的fc=w0*(u0-ut).^2+w1*(u1-ut).^2；然後比較這256個fc中的最大值，對應的那個k就是ostu的閾值。所以你這個還差一個k的循環，並在循環裡面求最大fc。
我這也有段求閾值的，你可以參考下

hist=zeros(256,1);%直方圖
%threshold=128; %初始閾值
%計算直方圖
for i=1:height
for j=1:width
m=I_gray(i,j)+1;
hist(m)=hist(m)+1;
end
end
hist=hist/(height*width);%落在每一灰度級上的概率
avg=0;
for m=1:256
avg=avg+(m-1)*hist(m);
end
temp=0;
for i=1:256
p1=0;
avg1=0;
avg2=0;
T_current=i-1;%當前分割閾值
for m=1:T_current-1
p1=hist(m)+ p1;%低灰度級概率總和
end
p2=1-p1;%高灰度級概率總和
for m=1:256
if m<T_current
avg1=avg1+(m-1)*hist(m);
else
avg2=avg2+(m-1)*hist(m);
end
end
avg1=avg1/p1;
avg2=avg2/p2;

D=p1*(avg1-avg)^2+p2*(avg2-avg)^2;
if D>=temp
finalT=T_current;
temp=D;
end
end
另外,站長團上有產品團購,便宜有保證

C. Otsu演算法在Canny運算元中的應用中，Otsu演算法的程序後，要不要再添加在Canny運算元的程序

問題一：
OTSU法是二值化圖像的演算法，經過OTSU處理圖像就成了黑白二值圖。
CANNY演算法是針對灰度圖的邊緣提取演算法。OTSU處理後，不需要再加CANNY處理了。

問題二：
如果圖像噪音較大，就需要先做中值濾波，或其它降噪處理。這是圖像處理的前處理。做前處理的目的是提高圖像質量，然後再做OTSU，效果會好一些。但圖像本身就很清晰的話，就不需要加中值濾波了。

通過你的問題，我感覺你還沒有透徹理解幾個術語的概念。
先想清楚想把什麼樣的圖像處理成什麼樣的圖像，然後根據目的選擇處理方法。

如果話說重了，請原諒。

D. otsu的介紹

OTSU演算法是由日本學者OTSU於1979年提出的一種對圖像進行二值化的高效演算法。

E. 幾種經典的二值化方法及其vb.net實現

圖像二值化的目的是最大限度的將圖象中感興趣的部分保留下來，在很多情況下，也是進行圖像分析、特徵提取與模式識別之前的必要的圖像預處理過程。這個看似簡單的問題，在過去的四十年裡受到國內外學者的廣泛關注，產生了數以百計的閾值選取方法，但如同其他圖像分割演算法一樣，沒有一個現有方法對各種各樣的圖像都能得到令人滿意的結果。
本文針對幾種經典而常用的二值發放進行了簡單的討論並給出了其vb.net 實現。

1、P-Tile法

Doyle於1962年提出的P-Tile (即P分位數法)可以說是最古老的一種閾值選取方法。該方法根據先驗概率來設定閾值，使得二值化後的目標或背景像素比例等於先驗概率，該方法簡單高效，但是對於先驗概率難於估計的圖像卻無能為力。

2、OTSU 演算法（大津法）

OSTU演算法可以說是自適應計算單閾值（用來轉換灰度圖像為二值圖像）的簡單高效方法。1978 OTSU年提出的最大類間方差法以其計算簡單、穩定有效，一直廣為使用。


3、迭代法（最佳閥值法）

(1)． 求出圖象的最大灰度值和最小灰度值，分別記為Zl和Zk，令初始閾值為：

(2)． 根據閾值TK將圖象分割為前景和背景，分別求出兩者的平均灰度值Z0和ZB:式中，Z(i,j）是圖像上(i,j)點的象素值，N(i,j)是(i,j)點的權值，一般取1。


(3)． 若TK=TK+1，則所得即為閾值，否則轉2，迭代計算。

4、一維最大熵閾值法
它的思想是統計圖像中每一個灰度級出現的概率 ，計算該灰度級的熵 ,假設以灰度級T分割圖像，圖像中低於T灰度級的像素點構成目標物體（O），高於灰度級T的像素點構成背景（B），那麼各個灰度級在本區的分布概率為：

O區： i=1,2……,t

B區： i=t+1,t+2……L-1

上式中的 ,這樣對於數字圖像中的目標和背景區域的熵分別為：

對圖像中的每一個灰度級分別求取W=H0 +HB，選取使W最大的灰度級作為分割圖像的閾值，這就是一維最大熵閾值圖像分割法。