• 基于阈值的图像分割方法，包括：
  • 直方图双峰法
  • 固定阈值分割
  • 半阈值分割
  • 迭代阈值图像分割
  • 自适应阈值图像分割等。

一、直方图双峰法

• 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。

• 算法实现：
  找到第一个峰值和第二个峰值， 再找到第一和第二个峰值之间的谷值，谷值就是那个阀值了。

二、 固定阈值分割

• 就是设定一个固定的值， 像素灰度大于就该像素编程0或者255或者其他的，小于的又等于什么的。
  这个阈值选什么值呢， 双峰法就是一个阈值产生的方法。

三、 半阈值分割

• 半阈值分割：
  在全局阈值的基础上，对特定区域引入局部调整，或通过混合策略（如全局阈值+边缘检测）实现更精细的分割。

四、迭代阈值图像分割

• 迭代法是基于逼近的思想，其步骤如下：

  • 1． 求出图象的最大灰度值和最小灰度值，分别记为ZMAX和ZMIN，令初始阈值T0=(ZMAX+ZMIN)/2；
  • 2． 根据阈值TK将图象分割为前景和背景，分别求出两者的平均灰度值ZO和ZB
  • 3． 求出新阈值TK+1=(ZO+ZB)/2；
  • 4． 若TK==TK+1，则所得即为阈值；否则转2，迭代计算。

• ZO和ZB怎么求??

  • 1. 统计图像灰度直方图
  • 2. 找到最大灰度值ZMAX和最小灰度值ZMIN，并计算T0 =(ZMAX+ZMIN)/2
  • 3. 计算小于T0的所有灰度的均值ZO和大于T0的所有灰度的均值ZB（用直方图求就可以）。
       例如，你的直方图从10到250有值，则T0 = 260/2 = 130.
       ZO = Sum(nHist[i] * i) / Sum(nHist[i]); 10 <= i <= 130
       BO = Sum(nHist[i] * i) / Sum(nHist[i]); 131 <= i <= 250

五、自适应阈值图像分割

• 在许多情况下，物体和背景的对比度在图象中不是各处一样的，这时很难用统一的一个阈值将物体与背景分开。
  这时可以根据图象的局部特征分别采用不同的阈值进行分割。
  实际处理时，需要按照具体问题将图象分成若干子区域分别选择阈值，或者动态地根据一定的邻域范围选择每点处的阈值，进行图象分割。

1). 大津法(OTSU)

• 最大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法,简称OTSU。
  它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。

• Otus算法使用的是聚类的思想，即把图像的灰度数按灰度级分成2个部分，使2个部分的之间的灰度值差异最大，每个部分之内的灰度差异最小的，找到这样的一个灰度级t划分。通过方差的计算实现，即方差最小的值对应的t即是理想的划分。

2). 均值法

• 思想很简单，就是把图像分成m*n块子图，求取每一块子图的灰度均值(就是所有像素灰度值之和除以像素点的数量)，这个均值就是阈值了。

• 这种方法明显不比大津法好，因为均值法和大津法都是从图像整体来考虑阈值的，但是大津法找了一个类间方差最大值来求出最佳阈值的；
  这两种方法子图越多应该分割效果会好一点，但效率可能会变慢。

六、 最佳阈值

• 阈值的选择需要根据具体问题来确定，一般通过实验来确定。
  对于给定的图象，可以通过分析直方图的方法确定最佳的阈值，例如当直方图明显呈现双峰情况时，可以选择两个峰值的中点作为最佳阈值。

• 所谓最佳阈值就是根据一定的方法(例如双峰法)，找出图像中目标与背景的分割最佳阈值就是了。
  方法多种多样，对不同的图片可以有不同的方法(因为不同的图片有不同的特点)。方法是多种多样的，答案是丰富多彩的。

七、资料

小大小丑的博客：
https://blog.csdn.net/bagboy_taobao_com/article/details/5645425