图像处理4：最大类间方差法（大津法）

图像处理4：最大类间方差法（大津法）

(1)最大类间方差法简介：

        最大类间方差法是一种自适应阈值确定的方法,又叫大津法,简称OTSU。

        它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。当取最佳國值时,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

 

(2)最大类间方差法的计算方法：

        最大类间方差采用穷举的方式,找到使intra-class variance最小的阈值处理步骤如下:

        ①初始化一國值thth,将图像(x.y)f(xy)分为两类A类和B类;

        ②分别计算A,B两类像素像素集合的均值uA,uBuA,uB;

        ③计算A,B两类的类间方差;

        ④将thth从0到255循环,分别计算A,B的类间方差,当类间方差最大时,对应的thth就是所求的最佳分割或值化阈值。

 

(3)最大类间方差的性能：

         1)对噪音十分敏感,在处理之前应对图片进行去噪处理。

         2)当目标与背景的大小比例悬殊的时候,类间方差函数可能呈现双峰或者多峰,处理效果不好。