OTSU算法原理及实现：

最大类间方差是由日本学者大津(Nobuyuki Otsu)于1979年提出，是一种自适应的阈值确定方法。算法假设图像像素能够根据阈值，被分成背景[background]和目标[objects]两部分。然后，计算该最佳阈值来区分这两类像素，使得两类像素区分度最大【用方差表达，具体公式见后】。OTSU的扩展算法，可进行多级阈值处理，称为“Multi Otsu method”【题外话】

设原始灰度级为M，灰度级为i的像素点个数为n_i，对灰度直方图进行归一化：

 

opencv实现代码：

int CLxrImage::Otsu(IplImage* src)  
{  int height=src->height;  int width=src->width;      //统计直方图  int   nHistogram[256] = {0};float fHistogram[256] = {0};  for(int i=0; i < height; i++){  for(int j = 0; j < width; j++) {  nHistogram[(unsigned char)src->imageData[i*src->widthStep+j]]++;  }  }//归一化直方图 int size = height * width;  for(int i = 0; i < 256; i++){  fHistogram[i] = nHistogram[i] / (float)size;  }  //average pixel value  float avgValue=0;  for(int i=0; i < 256; i++){  avgValue += i * fHistogram[i];  //整幅图像的平均灰度}   int threshold;    float maxVariance=0;  float w = 0, u = 0;  for(int i = 0; i < 256; i++) {  w += fHistogram[i];			//假设当前灰度i为阈值, 0~i 灰度的像素(假设像素值在此范围的像素叫做前景像素) 所占整幅图像的比例u += i * fHistogram[i];     // 灰度i 之前的像素(0~i)的平均灰度值： 前景像素的平均灰度值float t = avgValue * w - u;  float variance = t * t / (w * (1 - w) );  if(variance > maxVariance) {  maxVariance = variance;  threshold = i;  }  }  return threshold;  
}
int CLxrImage::Otsu2(IplImage* src)
{int i,j,nThresh;int nHistogram[256] = {0};double fStdHistogram[256] = {0.0};double fGrayAccu[256] = {0.0};double fGrayAve[256] = {0.0};double fAverage = 0;double fTemp = 0;double fMax = 0;//统计直方图for(i = 0; i <src->height; i++){for(j = 0; j <src->width; j++){nHistogram[(unsigned char)src->imageData[i*src->width+j]] ++;}}//归一化直方图for(i = 0; i <= 255;i++){fStdHistogram[i] = nHistogram[i]/(double)(src->width * src->height);}for(i=0;i<=255;i++){for(j=0;j<=i;j++){fGrayAccu[i] += fStdHistogram[j];//所有灰度级，关于w0的数组						fGrayAve[i] += j*fStdHistogram[j];//所有灰度级，关于u(t)的数组}fAverage += i*fStdHistogram[i];	}//计算OSTUfor(i=0;i<=255;i++){fTemp=(fAverage*fGrayAccu[i]-fGrayAve[i])*(fAverage*fGrayAccu[i]-fGrayAve[i])/(fGrayAccu[i]*(1-fGrayAccu[i]));if(fTemp>fMax){fMax=fTemp;nThresh=i;}}return nThresh;
}