最大类间方差法是由日本学者大津(Nobuyuki Otsu)于1979年提出的,是一种自适合于双峰情况的自动求取阈值的方法,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。
最大类间方差法是一种常用而有效的图像分割算法，并已在许多实时系统中采用。
Otsu method is a common and efficient image segmentation algorithm, and has been used in many various real-time systems.
对最大类间方差法的改进主要表现在两个方面：建立阈值的评价准则和提高算法的运行速度。
The improvement in Ostu algorithm is represented in two aspects: establishing evaluation rules of segmentation threshold and accelerating the algorithm's operation.
在最大类间方差法和一致性准则法的基础上，运用最大熵原理来选择灰度阈值对图像进行分割。
Based on maximum between-cluster variance method and uniformity measure, this paper USES maximum entropy principle to select the gray-level threshold value for image segmentation.
应用推荐