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。