大津算法OTSU（最大类间差法）

由日本人大津于1979年提出，基本思想就是，找到令前景和背景差距最大的那个T，就是最佳阈值
（1）对于图像I，设T为前景与背景的分割阈值(初始化阈值)，记住T是会浮动的，它会慢慢调整
（2）根据上一步初始化定义的T：
设前景像素点数占图像比例为W0，前景平均灰度值为u0
设背景像素点数占图像比例为W1，背景平均灰度值为u1
（3）设图像总平均灰度 ut = w0*u0 + w1*u1
（4）计算方差值Q=W0*(u0-ut)^2 + W1*(u1-ut)^2
方差值越大，说明图像构成的两部分差别越大，在该点阈值的前景和背景区别越大，也就更好区分
图像总像素数为N
设灰度值范围【0，L-1】
对应灰度值i的像素数为ni
i取值范围[0, L-1]
对应灰度值i的像素在图像总像素的占比为Pi = ni / N
也就是说所有灰度值的比例一共是1，也就是100%，如下图公式

根据上面步骤，让T在图像出现的灰度值[0, L-1] 中依次取值，选取方差Q最大的T，即是大津法的最佳阈值
缺点:目标物体与背景大小比例悬殊, 或者灰度值非常接近，像素直方图呈现多峰或者峰值之间差距较大的时候划分效果不好，光照不均匀的图片区分不好