pvariancebinarization

Synopsis

Description

L'opérateur pvariancebinarization permet de binariser l'image initiale im_in selon une méthode basée sur l'analyse de l'histogramme. La valeur de seuil est prise comme celle qui maximise la variance interclasse.

Cet opérateur est basé sur l'algorithme de Otsu:
Principe: soit h l'histogramme des niveaux de gris, pi la probabilité pour qu'un pixel ait le niveau de gris i, et N le nombre de pixels total :

   pi=h[i]/N

Pour diviser l'image en 2 classes C0 et C1 avec le seuil s:
On définit la probabilité pour un pixel x d'appartenir à la classe C0 puis à C1 par :

   p(C0) = sum(i=0;s){ pi }
   p(C1) = sum(i=s+1;N){ pi }

On définit la moyenne des classes C0 et C1 par :

   M0 = sum(i=0;s){ pi/p(C0) }
   M1 = sum(i=s+1;N){ pi/p(C1) }

On définit la moyenne totale de l'image d'entrée par :

   Mt = sum(i=0;N){ i.pi }

Le seuillage automatique optimal consiste à trouver le seuil s qui maximise la variance interclasse V(s) telle que :

V(s) = sum(i1;2) { P(Ci).(Mi-Mt).(Mi-Mt) }

L'image de sortie im_out est contruite par binarisation.

Entrées

• im_in: une image de niveaux de gris 2D ou 3D.

Sorties

• im_out: une image d'octets.

Résultat

Retourne la valeur de seuil calculée.

Exemples

Segmente l'image tangram.pan:

   pvariancebinarization tangram.pan a.pan

Voir aussi

Prototype C++

Référence

N. Otsu, "A threshold selection method from grey scale histogram", IEEE Trans. on Syst. Man and Cyber., vol 1, pp 62-66, 1979.