二維otsu演算法

㈠ otsu閾值分割演算法是什麼

Otsu演算法：最大類間方差法(大津演算法)，是一種確定閾值的演算法。

之所以稱為最大類間方差法是因為，用該閾值進行的圖像固定閾值二值化，類間方差最大，它是按圖像的灰度特性,將圖像分成背景和前景兩部分，使類間方差最大的分割意味著錯分概率最小。

演算法評價：

優點：演算法簡單，當目標與背景的面積相差不大時，能夠有效地對圖像進行分割。

缺點：當圖像中的目標與背景的面積相差很大時，表現為直方圖沒有明顯的雙峰，或者兩個峰的大小相差很大，分割效果不佳，或者目標與背景的灰度有較大的重疊時也不能准確的將目標與背景分開。

㈡ 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

㈢ 簡單閾值法和Otsu演算法的根本區別是什麼

區別如下：

1. Niblack演算法是通過某一像素點及其鄰域內像素點灰度值的均值和標准差計算得到二值化閾值的。在計算圖像點(x,y)二值化閾值時，首先計算以(x,y)為中心的n*n大小的區域內像素點的灰度均值m和標准差s。灰度均值m和標准差s的計算公式如下：

2. 然後根據灰度均值和標准差計算得到點(x,y)的二值化閾值T，計算公式為T(x,y)=k*s(x,y)+m(x,y)，其中k為修正系數。最後根據計算得到的閾值T對該點進行二值化處理。將圖像中所有的像素點按照此方法處理即可得到二值化圖像。

3. 雖然能夠實現圖像的二值化，但是如果選取的區域均為背景點時，該演算法會將灰度值較高的點當做是目標點，導致偽雜訊的引入（針對偽雜訊引入的問題，產生了Sauvola演算法）。此處說明一下Sauvola演算法。Sauvola演算法可以說是一種改進的Niblack演算法。首先也是按照上文所述方式求取灰度均值和標准差，但是採用了不同的閾值選取方法。

㈣ 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。