OpenCV4入门系列教程66:最大熵阈值分割

索引地址:系列索引

上一篇:OpenCV4入门系列教程65:分水岭分割

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
// 功能:代码 3-26 最大熵阈值分割
// 作者:朱伟 zhu1988wei@163.com
// 来源:《OpenCV图像处理编程实例》
// 博客:http://blog.csdn.net/zhuwei1988
// 更新:2016-8-1
// 说明:版权所有,引用或摘录请联系作者,并按照上面格式注明出处,谢谢。//
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
// 计算当前的位置的能量熵
float caculateCurrentEntropy(cv::Mat hist, int threshold) {
float BackgroundSum = 0, targetSum = 0;
const float *pDataHist = (float *)hist.ptr<float>(0);
for (int i = 0; i < 256; i++) {
// 累计背景值
if (i < threshold) {
BackgroundSum += pDataHist[ i ];
} else // 累计目标值
{
targetSum += pDataHist[ i ];
}
}
// std::cout << BackgroundSum << " "<< targetSum << std::endl;
float BackgroundEntropy = 0, targetEntropy = 0;
for (int i = 0; i < 256; i++) {
// 计算背景熵
if (i < threshold) {
if (pDataHist[ i ] == 0)
continue;
float ratio1 = pDataHist[ i ] / BackgroundSum;
// 计算当前能量熵
BackgroundEntropy += -ratio1 * logf(ratio1);
} else // 计算目标熵
{
if (pDataHist[ i ] == 0)
continue;
float ratio2 = pDataHist[ i ] / targetSum;
targetEntropy += -ratio2 * logf(ratio2);
}
}
return (targetEntropy + BackgroundEntropy);
}
// 寻找最大熵阈值并分割
cv::Mat maxEntropySegMentation(cv::Mat inputImage) {
// 初始化直方图参数
const int channels[ 1 ] = {0};
const int histSize[ 1 ] = {256};
float pranges[ 2 ] = {0, 256};
const float *ranges[ 1 ] = {pranges};
cv::MatND hist;
// 计算直方图
cv::calcHist(&inputImage, 1, channels, cv::Mat(), hist, 1, histSize, ranges);
float maxentropy = 0;
int max_index = 0;
cv::Mat result;
// 遍历得到最大熵阈值分割的最佳阈值
for (int i = 0; i < 256; i++) {
float cur_entropy = caculateCurrentEntropy(hist, i);
// 计算当前最大值的位置
if (cur_entropy > maxentropy) {
maxentropy = cur_entropy;
max_index = i;
}
}
// 二值化分割
threshold(inputImage, result, max_index, 255, CV_THRESH_BINARY);
return result;
}
int main() {
cv::Mat srcImage = cv::imread("..\\images\\hand1.jpg");
if (!srcImage.data)
return 0;
cv::Mat grayImage;
cv::cvtColor(srcImage, grayImage, CV_BGR2GRAY);
// 最大熵阈值分割实现
cv::Mat result = maxEntropySegMentation(grayImage);
cv::imshow("grayImage", grayImage);
cv::imshow("result", result);
cv::waitKey(0);
return 0;
}

下一篇:OpenCV4入门系列教程67:图像积分图算法