OTSU算法（大津法或最大类间方差法）
otsu使用的是聚类的思想，把图像的灰度数按灰度级分成2个部分，使得两个部分之间的灰度值差异最大，每个部分之间的灰度差异最小，通过方差的计算来寻找一个合适的灰度级别来划分。 所以可以在二值化的时候采用otsu算法来自动选取阈值进行二值化。otsu算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响。因此，使类间方差最大的分割意味着错分概率最小。
假设图像的背景较暗,并且图像的大小为M×N
- 图像中像素的灰度值小于阈值T的像素个数记作N0
- 像素灰度大于阈值T的像素个数记作N1
- 对于图像I(x,y),前景(即目标)和背景的分割阈值记作T,
- 前景像素点数占整幅图像的比例记为ω0,其平均灰度为μ0;
- 背景像素点数占整幅图像的比例记为ω1,其平均灰度为μ1。
- 图像的总平均灰度记为μ。
- 类间方差记为g。
灰度值（黑色 0：白色 255）
ω0=N0/M×N; (N0+N1=M×N;)
ω1=N1/M×N; (ω0+ω1=1;)
μ=μ0 * ω0+μ1 * ω1;
g=ω0(μ0-μ)^2 + ω1(μ1-μ)^2;
由上述两式可得 g=ω0ω1(μ0-μ1)^2;
采用遍历的方法得到使类间方差最大的阈值T.即为所求。
