Метод Оцу выполняет пороговое значение бинарного изображения и состоит в максимизации дисперсии между двумя подклассами (передний план/фон), созданной путем разделения изображения на заданном пороге. Математически это выражается как:
variance12 = weight1 * (mean1 - meanT)**2 + weight2 * (mean2 - meanT)**2
(meanT — общее среднее значение гистограммы изображения). Однако у меня возникли проблемы с пониманием того, как это реализовано в функции threshold_otsu
в scikit-image
, которая пишет это как:
variance12 = weight1 * weight2 * (mean1 - mean2)**2
.
Хотя определения весов и средних значений в этой функции немного различаются, я не понимаю, почему эти две формулировки одинаковы, даже если они дают одинаковые ответы. Кто-нибудь хотел бы уточнить?
Спасибо за помощь.