去除背景

　　讀入圖像后，需要做的第一步就是去除背景。去除背景就是在一幅圖像中，把目標從背景中分離出來，以便于進一步處理［2］。去除背最是目標提取的一個重要環節，背最是否去除干凈以及目標圖像保留信息的完整性直接決定著下一步任務能否正常完成。去除背最方法根據算法的不同可分為闞值法、邊界探測法和匹配法等［3］，其中闊值法的使用最為普遍。眾多資料介紹了多種圖像閾值分割算法。OPENCV提供了固定闞值分割函數cvThreshold和自適應闞值函數cvAdaptiveThreshold，函數cvThreshold對單通道數組應用固定閾值操作，該函數的典型應用是對灰度圖像進行固定閾值操作得到二值圖像，cvAdaptiveThreshold原則上為自適應闞值算法提供的函數，然而經過測試，此函數的確切功能是獲得物體邊緣，而非二值化函數，這應該是OPENCV不完善的地方之一。

　　在眾多的闞值法分割圖像算法中，大津法OSTU （又叫最大類間方差法） 是闞值分割的經典算法。大津法利用闞值threld將圖像分為前景和背景，前最點數占圖像比例為n1，平均灰度為o1，背景點數占圖像比例為n2，平均灰度為m2，圖像總的平均灰度為=n1*如1+n2*m2，前景和背景像素方差公式為n1*（m1-m）2+n2*（m-m2）2，將m的值帶入上式即得最終方差公式n1*n2*（m1-m2）*（m1-m2），當方差值最大時，說明此時的闞值threld最合適.OSTU算法的核心代碼如下：

　　for（k=0; k《256; k++）

　　｛

　　n1+=ihist［k］;

　　if（！nl）

　　cont inue ;

　　n2=n-n 1;

　　if（n2==0）

　　break ;

　　csum+=k*ihist［k］;

　　m1=csum/n1;

　　m2=（sum-csum）/n2;

　　sb=n1*n2*（m1-m2）*（m1-m2） ;

　　if （sb》fmax）

　　{

　　fmax=sb;

　　threld=k;

　　｝

　　｝

　　｝

　　經過OSTU算法找出最佳闞值后，將小于闞值的像素設為0，大于闞值的像素設為256，這樣圖像被設置為黑白兩色（白背景黑目標）。代碼如下：

　　for（i=0; i《height; i++）

　　{

　　for（j=0; j《width; j++）

　　{

　　for（k=0; k《channels; k++）

　　if（data［i*step+j*channels+k］》threld）

　　data ［i *s t ep+j*c hanne 1s +k］=256 ;

　　else

　　data［i*step+j*channels+k］=0;

　　｝

　　｝

　　｝

　　其中，“height“為圖像寬，“width為圖像高，“ channe 1s”為圖像通道，“data［i*step+j*channels+k］” 為像素數值，threld為OSTU算法得出的閾值。

　　因為圖像可能有不同程度的噪波，因此圖像進行這樣的處理后可能不需要靈活采取各種方法處理噪波的會達到完全處理掉背景的目的，此時，遺留痕跡，如腐蝕和膨脹，OPENCV分別提供了對應的函數Erode（）和Dilate（）。