1、大津算法OTSU是一種常用的閾值化分割方法，既然是閾值化方法就是需要找到一個閾值，利用這個閾值對圖像中所有的像素點(diǎn)進(jìn)行區(qū)分，哪些像素點(diǎn)屬于前景，哪些像素點(diǎn)屬于背景。

2、如何找到這個閾值呢？OTSU算法中有一個假設(shè)，最優(yōu)的閾值是能夠使圖像中的前景和背景之間的差最大的那個值，所以大津算法又名最大類間差算法。

3、我們來定義這個類間差(漢字公式，請見諒 ≥???≤)：
類間差 = 前景比重 x 背景比重 x （前景均值 - 背景均值）^2
這個比重其實(shí)就是該類所擁有的像素個數(shù)，均值就是該類所擁有的像素的灰度均值。

4、有了類間差公式后，閾值就直接遍歷0~255，不斷的計算類間差值，找到最大的類間差值就可以找到最優(yōu)的閾值了。
python code:

import cv2 as cv
import math
import numpy as np
def otsu_threshold(img):
    h=img.shape[0]
    w=img.shape[1]
    m=h*w   # 圖像像素點(diǎn)總和
    otsuimg=np.zeros((h,w),np.uint8)
    threshold_max=threshold=0   # 定義閾值
    histogram=np.zeros(256,np.int32)   # 初始化各灰度級個數(shù)統(tǒng)計參數(shù)
    probability=np.zeros(256,np.float32)   # 初始化各灰度級占圖像中的分布的統(tǒng)計參數(shù)
    for i in range (h):
        for j in range (w):
            s=img[i,j]
            histogram[s]+=1   # 統(tǒng)計灰度級中每個像素在整幅圖像中的個數(shù)
    for k in range (256):
        probability[k]=histogram[k]/m   # 統(tǒng)計每個灰度級占圖像中的分布
    for i in range (255):
        w0 = w1 = 0  # 定義前景像素點(diǎn)和背景像素點(diǎn)灰度級占圖像中的分布
        fgs = bgs = 0  # 定義前景像素點(diǎn)灰度級總和and背景像素點(diǎn)灰度級總和
        for j in range (256):
            if j<=i:   # 當(dāng)前i為分割閾值
                w0+=probability[j]   # 前景像素點(diǎn)占整幅圖像的比例累加
                fgs+=j*probability[j]
            else:
                w1+=probability[j]   # 背景像素點(diǎn)占整幅圖像的比例累加
                bgs+=j*probability[j]
        u0=fgs/w0   # 前景像素點(diǎn)的平均灰度
        u1=bgs/w1   # 背景像素點(diǎn)的平均灰度
        g=w0*w1*(u0-u1)**2   # 類間方差
        if g>=threshold_max:
            threshold_max=g
            threshold=i
    print(threshold)
    return threshold