大津法加速

int Otsu2_accel(cv::Mat _src, int _width, int _height)
{
	int pixelCount[256] = { 0 };
	float pixelPro[256] = { 0 };

	// 统计灰度级中每个像素在整幅图像中的个数
	for (int y = 0; y < _height; y++)
	{
		int offset = y * _width;
		const unsigned  char* src = _src.data + _src.step * y;
		for (int x = 0; x < _width; x++)
		{
			int value = src[x];
			CUTOFF(value, 0, 255);
			pixelCount[value]++;
		}

	}
	float sum_u = 0;
	// 计算每个像素在整幅图像中的比例
	for (int i = 0; i < 256; i++)
	{
		pixelPro[i] = (float)pixelCount[i] / (float)(_width * _height);
		sum_u = sum_u + pixelPro[i] * i;
	}
	// 经典ostu算法，得到前景和背景的分割
	// 遍历灰度级[0, 255]，计算出方差最大的灰度值，为最佳阈值
	float deltaMax = 0.0f;
	int threshold = 0;
	float w0 = 0.0f;
	float u0tmp = 0.0f;
	float w1 = 0.0f;
	float u1tmp = 0.0f;
	for (int i = 0; i < 256; i++)
	{
		// 背景部分
		// 以i为阈值分类，第一类总的概率
		w0 += pixelPro[i];
		u0tmp += i * pixelPro[i];
		
		//float u0 = u0tmp / w0;		// 第一类的平均灰度
		//float u1 = u1tmp / w1;		// 第二类的平均灰度
		//float u = u0tmp + u1tmp;	// 整幅图像的平均灰度
		//计算类间方差
		float deltaTmp = (w0*sum_u-u0tmp)*(w0*sum_u - u0tmp)*1.0/(w0*(1-w0));
		//找出最大类间方差以及对应的阈值
		if (i == 255)
		{
			printf("aaa");
		}
		if (deltaTmp > deltaMax)
		{
			deltaMax = deltaTmp;
			threshold = i;
		}
	}
	return threshold;
}