1.Ostu算法原理
使用大津算法来二值化图像！大津算法，也被称作最大类间方差法，是一种可以自动确定二值化中阈值的算法，从类内方差和类间方差的比值计算得来：
- 小于阈值 t 的类记作 0，大于阈值 t 的类记作 1；
- w0 和 w1 是被阈值 t 分开的两个类中的像素数占总像素数的比率（满足 w0+w1=1）；
- S0^2, S1^2 是这两个类中像素值的方差；
- M0, M1 是这两个类的像素值的平均值；
也就是说：
类内方差：Sw^2 = w0 * S0^2 + w1 * S1^2
类间方差：Sb^2 = w0 * (M0 - Mt)^2 + w1 * (M1 - Mt)^2 = w0 * w1 * (M0 - M1) ^2
图像所有像素的方差：St^2 = Sw^2 + Sb^2 = (const)
根据以上的式子，我们用以下的式子计算分离度：
分离度 X = Sb^2 / Sw^2 = Sb^2 / (St^2 - Sb^2)也就是说：我们要是分离度X最大，在图像灰度之中遍历0-255，计算所有的分离度，则可以已找到最大的分离度，从而找到最佳的二值化阈值。
其次计算分离度的最大值时，可以简化式子。X=Sb^2 / (St^2 - Sb^2)，因为St^2是常数，所以设Sb^2=y变成了数学上的的最小值，结果数学上的运算得
,所以当y最最大时，可以得到最大的X。
换言之，如果使 Sb^2 = w0 * w1 * (M0 - M1) ^2 最大，就可以得到最好的二值化阈值 t。
2.Ostu直观印象
对于直方图有两个峰值的图像，大津法求得的Ｔ近似等于两个峰值之间的低谷。
假设用大津法求得的Ｔ＝0.5294，转换在［0,255］之间为134.9970，正好是两个峰值之间低谷的位置。
OpenCV的二值化操作中，有一种“大津阈值处理”的方法，使用函数cvThreshold(image,image2,0,255,CV_THRESH_OTSU) 实现，该函数就会使用大律法OTSU得到的全局自适应阈值来进行二值化图片，而参数中的threshold不再起作用。
3.改进算法
见此文：