原理：
基于二维的Otsu（灰度级-平均灰度级）图像分割方式的思想与一维 Otsu 图像分割的思想一样。
二维的Otsu提高了一维的抗噪能力。
用f(i,j)和g(i,j)取代像素点（i,j）处的灰度值f(i,j);其中g(i,j)为像素点（i,j）处邻域像素值的均值。
取代后变成二维形式：[ f(i,j)，g(i,j) ]。
设：灰度值为 i ，灰度均值为 j 的像素点个数为 ni，其概率 Pij 为：
其中M*N是图像的总像素数。
以阈值（s,t）将图像像素分为 A B 两类，其中 令 A 类为背景类，B 类为目标类，二者概率分别为：
背景类和目标类的均值向量分别为：
整幅图像的均值向量为：
由离散测度矩阵：
得该图像的离散测度：
所得离散度越大，类间方差就越大。
如果 g(x,y)，与f(x,y)相差很大，说明该像素点（x,y）是噪声，故可将 0 区与 1 区当作背景与目标域，2 区与 3 区当作噪声。因此只需要在 0和1 区域求最佳阈值向量（s,t）。求出之后令灰度图最佳阈值 T=（s+t）/2，最后以T 为阈值进行图像分割。
