「图像处理」Otus分割方法与基本的全局阈值处理

1.Otsu法

otsu方法也叫做大津法、类间最大方差法

otsu方法的核心思想是假设一幅图像，这幅图像被分为了前景区域C1和背景区域C2，那么我们应该用什么样的思想推出最佳分割阈值？日本学者大津在197x年给出了他的答案。

otus假设存在阈值TH，将所有像素分割为前景C1和背景C2，接下来进行数学推导

TH：滑动开关，遍历0-255轴，记录出现的4个相关数据p1 p2 m1 m2 成为一个资料表
P1、P2：对应像素出现在C1、C2区域的概率
m1、m2：对应区域C1与C2平均像素值

最后利用TH生成的资料表，计算出图中3公式的值，也称为类间方差，这个值越大，说明被分割区域越清晰，otus方法暴力穷举了分割阈值TH，不需要人为给定参数，同时，也有多阈值分割的otus方法，缺点则是计算量大

2.基本的全局阈值处理

基本全局阈值方法与otsu方法相似，只能处理没有光照渐变的图像
流程为：
1.选择T作为初始估计值；
2.利用T的取值将图像分为两个区域C1，C2；
3.计算两个区域的平均灰度f1、f2；
4.计算f0 = (f1 + f2)/2，得到新灰度值f0，进行判断是否f0<Ω，Ω为人为给定，若满足条件则停止计算，不满足则用f0再次计算；

最终的处理图片两幅看不出有什么变换，不过后一种方法需要人为给定开始条件与停止条件，有可能处理时停止条件永远也满足不了。

也有双峰法，找到灰度直方图的双峰最高点，记录这两个点的所在区间向下搜索，找到谷底对应的灰度值，以谷底为分割阈值，但是我觉得想让一张图片只出现两个驼峰，有点难，万一有很多驼峰分割起来会很麻烦。