halcon自动计算阈值方法
对自动计算阈值的分割算法Otsu进行分析,参考:https://blog.csdn.net/liyuanbhu/article/details/49387483等资料。
Otsu法也称为大津法或最大类间方差法,算法的基本原理是假设检测图像由前景和背景部分组成,通过统计学方法计算选取出阈值,使得这个阈值可以将前景和背景最大程度的区分开。
任意选取一个阈值t将图像分为两部分(前景和背景),前景像素点占图像的比例为W0、均值为U0,背景像素点占图像的比例为W1、均值为U1,图像整体的均值为U= W0* U0+ W1* U1,建立目标函数g(t)= W0*(U0-U)^2+ W1*( U1-U)^2,g(t)即为当分割阈值为t时的类间方差。Otsu算法使得g(t)最大时所对应的t为最佳阈值(遍历不同阈值下[0,255])。
例如下图,灰度直方图如右图所示:
我们遍历阈值为0-255时,g(t)的结果值并绘图,最大值在t=122位置处,则阈值为122时是最佳的分割阈值。
(1)halcon算子
Image为输入图像,Region为提取的区域,UsedThreshold为阈值结果。
(2)matlab函数
T=graythresh(Image);BW=im2bw(Image,T);
Image为输入图像,BW为二值化后的图像。T为阈值结果。
(3)opencv函数
threshold函数,将第五个参数设置为CV_THRESH_OTSU。
Otsu算法适合于直方图为双峰直方图的图像。若目标与背景图像还存在较大的干扰时,该算法会分割出错误的目标;或当目标与背景的大小比例悬殊时,g(t)函数可能出现双峰或多峰,分割效果不好。
例如下图,提取到了干扰区域,因为干扰区域在灰度直方图上出现了一个波峰,目标区域的波峰与背景被分在一起。