七种常见阈值分割代码（Otsu、最⼤熵、迭代法、⾃适应阀值、⼿动、迭代法、基本全局阈值法） 整理了⼀些主要的分割⽅法，以后⽤省的再查，其中⼤部分为转载资料，转载链接见资料； ⼀、⼯具：VC+OpenCV
⼆、语⾔：C++
三、原理
财经书店（1） otsu法（最⼤类间⽅差法，有时也称之为⼤津算法）使⽤的是聚类的思想，把图像的灰度数按灰度级分成2个部分，使得两个部分之间的灰度值差异最⼤，每个部分之间的灰度差异最⼩，通过⽅差的计算来寻⼀个合适的灰度级别 来划分。 所以 可以在⼆值化的时候 采⽤otsu算法来⾃动选取阈值进⾏⼆值化。otsu算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对⽐度的影响。因此，使类间⽅差最⼤的分割意味着错分概率最⼩。 设t为设定的阈值。
wo： 分开后 前景像素点数占图像的⽐例
uo： 分开后 前景像素点的平均灰度
w1：分开后 被景像素点数占图像的⽐例
u1： 分开后 被景像素点的平均灰度
u=w0*u0 + w1*u1 ：图像总平均灰度
从L个灰度级遍历t，使得t为某个值的时候，前景和背景的⽅差最⼤， 则 这个 t 值便是我们要求得的阈值。
其中，⽅差的计算公式如下：
g=wo * (uo - u) * (uo - u) + w1 * (u1 - u) * (u1 - u)
[ 此公式计算量较⼤，可以采⽤： g = wo * w1 * (uo - u1) * (uo - u1) ]
由于otsu算法是对图像的灰度级进⾏聚类，so 在执⾏otsu算法之前，需要计算该图像的灰度直⽅图。
（2）迭代法原理：迭代选择法是⾸先猜测⼀个初始阈值，然后再通过对图像的多趟计算对阈值进⾏改进的过程。重复地对图像进⾏阈值操作，将图像分割为对象类和背景类，然后来利⽤每⼀个类中的灰阶级别对阈值进⾏改进。
图像阈值分割---迭代算法
1 .处理流程：
1.为全局阈值选择⼀个初始估计值T(图像的平均灰度)。
2.⽤T分割图像。产⽣两组像素：G1有灰度值⼤于T的像素组成，G2有⼩于等于T像素组成。
3.计算G1和G2像素的平均灰度值m1和m2；
4.计算⼀个新的阈值:T = (m1 + m2) / 2;
5.重复步骤2和4，直到连续迭代中的T值间的差⼩于⼀个预定义参数为⽌。
适合图像直⽅图有明显波⾕
（3）
直⽅图双峰法（mode 法）
Prewitt 等⼈于六⼗年代中期提出的直⽅图双峰法(也称 mode 法) 是典型的全局单阈值分割⽅法。该
⽅法的基本思想是：假设图像中有明显的⽬标和背景，则其灰度直⽅图呈双峰分布，当灰度级直⽅图具有双峰特性时，选取两峰之间的⾕对应的灰度级作为阈值。如果背景的灰度值在整个图像中可以合理地看作为恒定，⽽且所有物体与背景都具有⼏乎相同的对⽐度，那么，选择⼀个正确的、固定的全局阈值会有较好的效果。例如图3.1所⽰：
图3.1原始灰度图像
图3.2灰度直⽅图
选定阈值M为100
算法实现：到第⼀个峰值和第⼆个峰值， 再到第⼀和第⼆个峰值之间的⾕值，⾕值就是那个阀值了。
四、程序
主程序(核⼼部分)
阈值分割
1 /*===============================图像分割=====================================*/
2 /*---------------------------------------------------------------------------*/
3 /*⼿动设置阀值*/
4 IplImage* binaryImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1);
5 cvThreshold(smoothImgGauss,binaryImg,71,255,CV_THRESH_BINARY);
6 cvNamedWindow("cvThreshold", CV_WINDOW_AUTOSIZE );
7 cvShowImage( "cvThreshold", binaryImg );
8 //cvReleaseImage(&binaryImg);
9 /*---------------------------------------------------------------------------*/
组织结构10 /*⾃适应阀值 //计算像域邻域的平均灰度，来决定⼆值化的值*/
11 IplImage* adThresImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1);
12 double max_value=255;
13 int adpative_method=CV_ADAPTIVE_THRESH_GAUSSIAN_C;//CV_ADAPTIVE_THRESH_MEAN_C
14 int threshold_type=CV_THRESH_BINARY;
15 int block_size=3;//阈值的象素邻域⼤⼩
16 int offset=5;//窗⼝尺⼨
17 cvAdaptiveThreshold(smoothImgGauss,adThresImg,max_value,adpative_method,threshold_type,block_size,offset);
18 cvNamedWindow("cvAdaptiveThreshold", CV_WINDOW_AUTOSIZE );
19 cvShowImage( "cvAdaptiveThreshold", adThresImg );
20 cvReleaseImage(&adThresImg);
21 /*---------------------------------------------------------------------------*/
22 /*最⼤熵阀值分割法*/
23 IplImage* imgMaxEntropy = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
24 MaxEntropy(smoothImgGauss,imgMaxEntropy);
25 cvNamedWindow("MaxEntroyThreshold", CV_WINDOW_AUTOSIZE );
26 cvShowImage( "MaxEntroyThreshold", imgMaxEntropy );//显⽰图像
27 cvReleaseImage(&imgMaxEntropy );
28 /*---------------------------------------------------------------------------*/
29 /*基本全局阀值法*/
30 IplImage* imgBasicGlobalThreshold = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
31 cvCopyImage(srcImgGrey,imgBasicGlobalThreshold);
32 int pg[256],i,thre;
33 for (i=0;i<256;i++) pg[i]=0;
34 for (i=0;i<imgBasicGlobalThreshold->imageSize;i++) // 直⽅图统计
35 pg[(BYTE)imgBasicGlobalThreshold->imageData[i]]++;
36 thre = BasicGlobalThreshold(pg,0,256); // 确定阈值
37 cout<<"The Threshold of this Image in BasicGlobalThreshold is:"<<thre<<endl;//输出显⽰阀值
38 cvThreshold(imgBasicGlobalThreshold,imgBasicGlobalThreshold,thre,255,CV_THRESH_BINARY); // ⼆值化
39 cvNamedWindow("BasicGlobalThreshold", CV_WINDOW_AUTOSIZE );
40 cvShowImage( "BasicGlobalThreshold", imgBasicGlobalThreshold);//显⽰图像
41 cvReleaseImage(&imgBasicGlobalThreshold);
42 /*---------------------------------------------------------------------------*/
43 /*OTSU*/
期后事项44 IplImage* imgOtsu = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1);
45 cvCopyImage(srcImgGrey,imgOtsu);
46 int thre2;
47 thre2 = otsu2(imgOtsu);
48 cout<<"The Threshold of this Image in Otsu is:"<<thre2<<endl;//输出显⽰阀值
49 cvThreshold(imgOtsu,imgOtsu,thre2,255,CV_THRESH_BINARY); // ⼆值化
50 cvNamedWindow("imgOtsu", CV_WINDOW_AUTOSIZE );
51 cvShowImage( "imgOtsu", imgOtsu);//显⽰图像
52 cvReleaseImage(&imgOtsu);
53 /*---------------------------------------------------------------------------*/
54 /*上下阀值法：利⽤正态分布求可信区间*/
55 IplImage* imgTopDown = cvCreateImage( cvGetSize(imgGrey), IPL_DEPTH_8U, 1 );
56 cvCopyImage(srcImgGrey,imgTopDown);
57 CvScalar mean ,std_dev;//平均值、标准差
58 double u_threshold,d_threshold;
59 cvAvgSdv(imgTopDown,&mean,&std_dev,NULL);
60 u_threshold = mean.val[0] +2.5* std_dev.val[0];//上阀值
61 d_threshold = mean.val[0] -2.5* std_dev.val[0];//下阀值
62 //u_threshold = mean + 2.5 * std_dev; //错误
63 //d_threshold = mean - 2.5 * std_dev;
64 cout<<"The TopThreshold of this Image in TopDown is:"<<d_threshold<<endl;//输出显⽰阀值
65 cout<<"The DownThreshold of this Image in TopDown is:"<<u_threshold<<endl;
66 cvThreshold(imgTopDown,imgTopDown,d_threshold,u_threshold,CV_THRESH_BINARY_INV);//上下阀值
67 cvNamedWindow("imgTopDown", CV_WINDOW_AUTOSIZE );
68 cvShowImage( "imgTopDown", imgTopDown);//显⽰图像
69 cvReleaseImage(&imgTopDown);
70 /*---------------------------------------------------------------------------*/
71 /*迭代法*/
72 IplImage* imgIteration = cvCreateImage( cvGetSize(imgGrey), IPL_DEPTH_8U, 1 );
73 cvCopyImage(srcImgGrey,imgIteration);
74 int thre3,nDiffRec;
75 thre3 =DetectThreshold(imgIteration, 100, nDiffRec);
76 cout<<"The Threshold of this Image in imgIteration is:"<<thre3<<endl;//输出显⽰阀值
77 cvThreshold(imgIteration,imgIteration,thre3,255,CV_THRESH_BINARY_INV);//上下阀值
78 cvNamedWindow("imgIteration", CV_WINDOW_AUTOSIZE );
79 cvShowImage( "imgIteration", imgIteration);
80 cvReleaseImage(&imgIteration);
迭代
我爱操1 /*======================================================================*/
2 /* 迭代法*/
3 /*======================================================================*/
4 // nMaxIter：最⼤迭代次数；nDiffRec：使⽤给定阀值确定的亮区与暗区平均灰度差异值
5 int DetectThreshold(IplImage*img, int nMaxIter, int& iDiffRec) //阀值分割：迭代法
6 {
7 //图像信息
8 int height = img->height;
9 int width = img->width;
10 int step = img->widthStep/sizeof(uchar);
11 uchar *data = (uchar*)img->imageData;
12
13 iDiffRec =0;
14 int F[256]={ 0 }; //直⽅图数组
15 int iTotalGray=0;//灰度值和
16 int iTotalPixel =0;//像素数和
17 byte bt;//某点的像素值
18
19 uchar iThrehold,iNewThrehold;//阀值、新阀值
20 uchar iMaxGrayValue=0,iMinGrayValue=255;//原图像中的最⼤灰度值和最⼩灰度值
21 uchar iMeanGrayValue1,iMeanGrayValue2;
22
23 //获取(i,j)的值，存于直⽅图数组F
24 for(int i=0;i<width;i++)
25 {
26 for(int j=0;j<height;j++)
27 {
28 bt = data[i*step+j];
29 if(bt<iMinGrayValue)
30 iMinGrayValue = bt;
31 if(bt>iMaxGrayValue)
32 iMaxGrayValue = bt;
33 F[bt]++;
34 }
35 }
36
37 iThrehold =0;//
38 iNewThrehold = (iMinGrayValue+iMaxGrayValue)/2;//初始阀值
39 iDiffRec = iMaxGrayValue - iMinGrayValue;
40
41 for(int a=0;(abs(iThrehold-iNewThrehold)>0.5)&&a<nMaxIter;a++)//迭代中⽌条件
42 {
43 iThrehold = iNewThrehold;
44 //⼩于当前阀值部分的平均灰度值
45 for(int i=iMinGrayValue;i<iThrehold;i++)
46 {
47 iTotalGray += F[i]*i;//F[]存储图像信息
48 iTotalPixel += F[i];
49 }
50 iMeanGrayValue1 = (uchar)(iTotalGray/iTotalPixel);
51 //⼤于当前阀值部分的平均灰度值
52 iTotalPixel =0;
53 iTotalGray =0;
54 for(int j=iThrehold+1;j<iMaxGrayValue;j++)
55 {
56 iTotalGray += F[j]*j;//F[]存储图像信息
57 iTotalPixel += F[j];
59 iMeanGrayValue2 = (uchar)(iTotalGray/iTotalPixel);
60
61 iNewThrehold = (iMeanGrayValue2+iMeanGrayValue1)/2; //新阀值
62 iDiffRec = abs(iMeanGrayValue2 - iMeanGrayValue1);
63 }
64
鲸教学设计
65 //cout<<"The Threshold of this Image in imgIteration is:"<<iThrehold<<endl;
66 return iThrehold;
67 }
68
Otsu代码⼀
1 /*======================================================================*/
2 /* OTSU global thresholding routine */
3 /* takes a 2D unsigned char array pointer, number of rows, and */
4 /* number of cols in the array. returns the value of the threshold */
5 /*parameter:
6 *image --- buffer for image
7 rows, cols --- size of image
8 x0, y0, dx, dy --- region of vector used for computing threshold
9 vvv --- debug option, is 0, no debug information outputed
10 */
11 /*
12 OTSU 算法可以说是⾃适应计算单阈值（⽤来转换灰度图像为⼆值图像）的简单⾼效⽅法。
13 下⾯的代码最早由 Ryan Dibble提供，此后经过多⼈Joerg.Schulenburg, R.Z.Liu 等修改，补正。
14 算法对输⼊的灰度图像的直⽅图进⾏分析，将直⽅图分成两个部分，使得两部分之间的距离最⼤。
15 划分点就是求得的阈值。
郑天一
16 */
17 /*======================================================================*/
18 int otsu (unsigned char*image, int rows, int cols, int x0, int y0, int dx, int dy, int vvv)
19 {
20
21 unsigned char*np; // 图像指针
22 int thresholdValue=1; // 阈值
23 int ihist[256]; // 图像直⽅图，256个点
24
25 int i, j, k; // various counters
26 int n, n1, n2, gmin, gmax;
27 double m1, m2, sum, csum, fmax, sb;
28
29 // 对直⽅图置零
30 memset(ihist, 0, sizeof(ihist));
31
32 gmin=255; gmax=0;
33 // ⽣成直⽅图
34 for (i = y0 +1; i < y0 + dy -1; i++)
35 {
36 np = (unsigned char*)image[i*cols+x0+1];
37 for (j = x0 +1; j < x0 + dx -1; j++)
38 {
39 ihist[*np]++;
40 if(*np > gmax) gmax=*np;
41 if(*np < gmin) gmin=*np;
42 np++; /* next pixel */
43 }
44 }
45
46 // set up everything
47 sum = csum =0.0;
48 n =0;
49
50 for (k =0; k <=255; k++)
51 {
52 sum += (double) k * (double) ihist[k]; /* x*f(x) 质量矩*/
53 n += ihist[k]; /* f(x) 质量 */
