大津法求图像动态阈值

//实验室的师哥传的
uint8 auto_threshold(uint8 * mt9v03x_image, int width,int height)//uint8 *image, uint16 col, uint16 row
{
    int colorarray[256] = {0};
    int32_t tol_sumgray=0;
    int32_t tol_colsum=0;
    int32_t icp_colsum=0;
    int32_t max_colasg=0;
    int32_t icp_sumgray=0;
    uint8 threshold = 0;

    float exp1=0;
    float exp2=0;
    float copli_exp=0;
    float crt_vari=0;

    for(i = 0; i<256; i++)
        colorarray[i] = 0;

    for(i = 0; i < height; i++)
    {
        for(j = 0; j < width; j++)
        {
            colorarray[(int) mt9v03x_image[i * width + j]]++;
        }
    }

    for(k=0; k<=255; k++)
    {
        tol_sumgray+=k*colorarray[k];
        tol_colsum+=colorarray[k];
    }

    for(k=0; k<=254; k++)
    {
        icp_colsum+=colorarray[k];
        max_colasg=tol_colsum-icp_colsum;
        icp_sumgray+=k*colorarray[k];
        exp1=(float)icp_sumgray/icp_colsum;
        exp2=(float)(tol_sumgray-icp_sumgray)/max_colasg;
        copli_exp=icp_colsum*max_colasg*(exp1-exp2)*(exp1-exp2);

        if(copli_exp>crt_vari)
        {
            crt_vari=copli_exp;
            threshold=k;
        }
    }
    return (threshold+8);
}

//我写的……
#define GrayScale 256
#define col  MT9V03X_W //宽 120
#define row  MT9V03X_H //高 80

uint8 OTSU(void)
{
  uint16 i,j;
  uint8 img_row=row,img_col=col; 
  uint16 histogram[GrayScale]; //灰度直方图
  
  //第一步：初始化灰度直方图
  for(i=0; i<GrayScale; i++)
    histogram[i]=0; 
  
  //第二步：统计每个灰度值出现得次数
  for(i=0; i<img_row; i++)
    for(j=0; j<img_col; j++)
      ++histogram[mt9v03x_image[i][j]];
  
  
  //第三步： 获取最小最大灰度值
  uint16 minGray,maxGray;
  for(minGray=0;minGray<256&&histogram[minGray]==0;minGray++);
  for(maxGray=255;maxGray>minGray&&histogram[maxGray]==0;maxGray--);
  
  //第四步：分情况讨论
  // 最大=最小，图像只有一种颜色
  if(maxGray==minGray)
    return maxGray;
  //最大=最小+1，图像只有两种颜色
  if(maxGray==minGray+1)
    return minGray;
  
  //第五步：统计[最小,最大]范围内的像素总数
  uint16 PixelSum=0;
  for(i=minGray; i<maxGray+1; i++)
    PixelSum += histogram[i];
  
  //第六步：统计[最小,最大]范围内的灰度值总数(灰度值*出现次数)
  uint16 GraySum=0;
  for(i=minGray; i<maxGray+1; i++)
    GraySum += histogram[i]*i;
    

  //第七步： 大津法优化
  float w0; //前景像素点占整幅图像的百分比 
  float w1; //背景像素点占整幅图像的百分比 
  uint16 w0num; //前景像素点数 
  uint16 w1num; // 背景像素点数 
  uint16 u0gray; //前景灰度值 
  uint16 u1gray; //背景灰度值 
  float u0; //w0平均灰度
  float u1; //w1平均灰度
  float deltaTmp=0,deltaMax=-1;
  uint8 th;
  
  u0gray = u1gray = w0num = w1num = 0;
  for(i=minGray; i<maxGray+1; i++)
  {
    w0num += histogram[i];
    w1num = PixelSum-w0num;
    w0 = w0num*1.0/PixelSum;
    w1 = w1num*1.0/PixelSum;
    u0gray += histogram[i]*i;
    u1gray = GraySum-u0gray;
    u0 = u0gray*1.0/w0num;
    u1 = u1gray*1.0/w1num;
    deltaTmp = (float)(w0 * w1 * (u0 - u1)*(u0 - u1)); 
    //类间方差公式 g = w0 * w1 * (u0 - u1) ^ 2
    
    //第八步：遍历最大类间方差（因为呈正态分布） 
    if(deltaTmp>deltaMax)
    {
      deltaMax = deltaTmp;
      th = i;
    }
  }
  return th;  
}