基于OTSU算法和基本粒子群优化算法的双阈值图像分割

  

 OTSU自适应阈值求法与粒子群算法的合作，将OTSU算法作为粒子群算法的适应值函数，来计算每个粒子的适应度与最优阈值相比较，经过3000次迭代最后取得优化后的阈值

原图：

经过联合算法优化的双阈值为90 ，140

将背景像素置0：

效果图：

利用所取得的阈值就可以将图像背景和目标区分开来，利用所得阈值二值化后

效果图：

 

通过效果图可知将人这个目标从背景中分割出来了

源代码：

#include "stdafx.h"
#include "cv.h"
#include "highgui.h"
#include "cxcore.h"
#include "time.h"
using namespace std;

#define rnd( low,uper) ((int)(((double)rand()/(double)RAND_MAX)*((double)(uper)-(double)(low))+(double)(low)+0.5))
/*************************************************************8888
粒子群算法变量的说明
******************************************************************************/
const int number = 20;
int antThreshold[number][2];//以阈值作为粒子
int vect[number][2];//更新的速度
float pbest[number] = {0.0};;//每个粒子历史最优解
float gbest = 0.0;//全局历史最优解
int pbestThreshold[number][2];//每个粒子的最优历史阈值
int gbestThreshold[2];//全局粒子的最优阈值

float w = 0.9;//惯性因子
float c1 = 2.0;//加速因子1
float c2 = 2.0;//加速因子2

//histogram   
float histogram[256]={0};  
/*********************************************************************8888
函数名：GetAvgValue
参数类型：IplImage* src
实现功能：获得灰度图像的总平均灰度值
*****************************************************************************/
float GetAvgValue(IplImage* src)  
{  
    int height=src->height;  
    int width=src->width;      
  

    for(int i=0;iimageData+src->widthStep*i;  
        for(int j=0;jmaxVariance)
		{  
            maxVariance=variance;  
            threshold=i;  
        }  
         */
    return variance;  
}  
/*****************************************************************
函数名：Init
参数类型：void
功能：初始化粒子群算法的粒子与速度
************************************************************************/
void Init()
{
	for(int index=0;index255)
			antThreshold[index][1] = 255;
		vect[index][0] = rnd(3 ,5);
		vect[index][1] = rnd(3 ,5);
	}
		
}
/******************************************************************
函数名：Pso
参数类型：void
功能：粒子群算法的实现
***************************************************************************/

void Pso(float value)
{
  for(int index=0;indexpbest[index])
	  {
		  pbest[index] = variance;
		  pbestThreshold[index][0] = antThreshold[index][0];
          pbestThreshold[index][1] = antThreshold[index][1];
	  }
	  if(variance>gbest)
	  {
		  gbest = variance;
		  gbestThreshold[0] = antThreshold[index][0];
		  gbestThreshold[1] = antThreshold[index][1];
	  }
  }
}
/***************************************************************************************88
函数名：updateData
参数类型：void
功能：更新粒子数据与速度
**************************************************************************************************/
void updateData()
{
	for(int index=0;index5)
				vect[index][i] = 5;
			if(vect[index][i]<3)
				vect[index][i] = 3;
			antThreshold[index][i] = vect[index][i] + antThreshold[index][i];
		}
		if(antThreshold[index][0]>antThreshold[index][1])
			antThreshold[index][1] = antThreshold[index][0] + 50;
		if(antThreshold[index][1]>255)
			antThreshold[index][1] = 255;
		if(antThreshold[index][0]<0)
			antThreshold[index][0] = 0;
	}

}
/**************************************************************8
函数名：Threshold
参数类型：IplImage *src , int lower , int higher
功能：利用算法得到的双阈值对图像进行阈值分割
***********************************************************************/
void Threshold(IplImage *src , int lower , int higher)
{
	assert(src->nChannels==1);
	for(int h=0;hheight;h++)
		for(int w=0;wwidth;w++)
		{
			if(*(src->imageData+h*src->widthStep+w)imageData+h*src->widthStep+w)>lower)
				//*(src->imageData+h*src->widthStep+w) = 255;
				;
			else
				*(src->imageData+h*src->widthStep+w) = 0;
		}
}
int _tmain(int argc, _TCHAR* argv[])
{
	srand((unsigned)time(NULL));
	IplImage *img =0;
	IplImage *ycrcb = 0;
	IplImage *cb = 0;
    cvNamedWindow("cb" , 1);
	img = cvLoadImage("1.jpg" , 1);
	ycrcb = cvCreateImage(cvGetSize(img) , 8 ,3);
	cb = cvCreateImage(cvGetSize(img) , 8 , 1);

	cvCvtColor(img , ycrcb , CV_BGR2YCrCb);
	cvSplit(ycrcb , 0 ,0,cb , 0);

	cvSmooth(cb , cb , CV_MEDIAN , 3 , 0,0,0);
	float avgValue = 0.0;
	avgValue = GetAvgValue(cb);
	Init();
	for(int i=0;i<3000;i++)
	{
       Pso(avgValue);
	   updateData();
	}

	//cvThreshold(cb , cb , gbestThreshold[0] , gbestThreshold[1] , CV_THRESH_BINARY);
	Threshold(cb , gbestThreshold[0] , gbestThreshold[1]);
	printf("%d , %d\n" ,  gbestThreshold[0] , gbestThreshold[1]);
	cvShowImage("cb" , cb);
	cvSaveImage("cb1.jpg" ,cb);
	cvWaitKey(0);

	return 0;
}