无意间用到了Yen Threshoding方法……翻开论文一看挖槽居然是95的文章 难怪全网找不到一点内容相关……
不过也确实，现在普遍用Otsu阈值，但是在我这个细胞分割预处理上用Yen效果反而比Otsu要好，于是就简单拜读一下吧哈哈哈哈哈，以我的水平估计还遥远着。
A New Criterion for Automatic Multilevel Thresholding
在自动选取阈值的众多方法中，绝大多数都是基于最大熵原则进行阈值的选择，Yen提出基于最大相关性原则的一个新方法。
众所周知，随着分类数量的增加，阈值图像变得更类似于原始图像。因此，原始图像和阈值图像之间的差异随着分类数量的增加而减小。然而，表示阈值图像所需的总位数随着类别数量的增加而增加。因此，这两个因素之间必须存在一个中间值。让 k 表示分类数量，Dis(k) 表示阈值图像和原始图像之间的差异，两个参数的成本函数 C表现为：
k 灰度等级分类的分类数
Sk,i 将灰度级分为 k 类时的第 i 个非零阈值
Ck,i这 k 个类别中的第 i 个类别，灰度级从 S k , i – l to ( sk,i – l )
Wk,i Ck,i 的概率
Pw,i 先用Wk,i归一化再对Ck,i求导
μk,i Pw,i 的中位数
（） Pw,i的方差
ρ（希腊字母rho）正加权常数
the automatic thresholding criterion (ATC)
然后对于给定分布可以获得以下关系：
这类算法利用场景中灰度分布的熵。阈值图像熵的最大化被解释为最大信息传递的指示。 作者试图最小化输入灰度图像和输出二进制图像之间的交叉熵，将图像前景和背景视为两个不同的信号源，因此当两类熵的总和达到最大值时，就称图像进行了最佳阈值处理。
说实话有点没懂 交叉熵取最小值。两个熵取总和最大？
; 总结
不明白 数学功底太差了 直接用ski.filters.threshold_yen 就over了
Original: https://blog.csdn.net/zj71hmvx/article/details/123343889
Author: 爱格白
Title: Yen Threshoding
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/531269/
转载文章受原作者版权保护。转载请注明原作者出处！