otsu阈值分割算法原理_Otsu算法

Otsu算法：最大类间方差法(大津算法)，是一种确定阈值的算法。

之所以称为最大类间方差法是因为，用该阈值进行的图像固定阈值二值化，类间方差最大，它是按图像的灰度特性,将图像分成背景和前景两部分，使类间方差最大的分割意味着错分概率最小。

原理：

对于图像I(x,y)，前景(即目标)和背景的分割阈值记作T，属于前景的像素点数占整幅图像的比例记为ω0，其平均灰度μ0；背景像素点数占整幅图像的比例为ω1，其平均灰度为μ1。图像的总平均灰度记为μ，类间方差记为g。

假设图像的背景较暗，并且图像的大小为M×N，图像中像素的灰度值小于阈值T的像素个数记作N0，像素灰度大于阈值T的像素个数记作N1，则有：

(1) ω0=N0/ (M×N)

(2) ω1=N1/ (M×N)

(3) N0 + N1 = M×N

(4) ω0 + ω1 = 1

(5) μ = ω0 * μ0 + ω1 * μ1

(6) g = ω0 * (μ0 - μ)2 + ω1 * (μ1 - μ)2

将式(5)代入式(6)，得到等价公式：

(7) g = ω0 *ω1 * (μ0 - μ1)2

采用遍历的方法得到使类间方差g最大的阈值T。

算法评价：

优点：算法简单，当目标与背景的面积相差不大时，能够有效地对图像进行分割。

缺点：当图像中的