最大类间方差法（大津法OTSU）

算法介绍

最大类间方差法是1979年由日本学者大津提出的，是一种自适应阈值确定的方法，又叫大津法，简称OTSU，是一种基于全局的二值化算法，它是根据图像的灰度特性,将图像分为前景和背景两个部分。当取最佳阈值时，两部分之间的差别应该是最大的，在OTSU算法中所采用的衡量差别的标准就是较为常见的最大类间方差。前景和背景之间的类间方差如果越大，就说明构成图像的两个部分之间的差别越大，当部分目标被错分为背景或部分背景被错分为目标，都会导致两部分差别变小，当所取阈值的分割使类间方差最大时就意味着错分概率最小[1]。

记T为前景与背景的分割阈值，前景点数占图像比例为 w0 ，平均灰度为 u0 ；背景点数占图像比例为 w1 ，平均灰度为 u1 ，图像的总平均灰度为 u ，前景和背景图象的方差，则有：

联立上面两式可得： 

或 

int histogram_calculate(Mat src)
{
	int number;
	int histsize=256;
	float range[]={0,255};
	const float *ranges={range};
	Mat dst;
	calcHist(&src,1,0,Mat(),dst,1,&histsize,&ranges); 
	float minvalue=0;
	float totalvalue=0;
	float c=0;
	float maxvariance=0;
	for (int i=0;i<256;i++)
	{
		 float b=dst.at<float>(i,0);
		 totalvalue=b*(i)+totalvalue;
	}
	int meanvalue=totalvalue/(src.rows*src.cols);
	for (int j=0;j<256;j++)
	{
		float b=dst.at<float>(j,0);
		c=b+c;
		float d=c/(src.rows*src.cols);
		minvalue=b*(j)+minvalue;
		float t=minvalue/c-meanvalue;
		float variance = t * t * d /(1 - d); 
		if (variance>maxvariance)
		{
			maxvariance=variance;
			number=j;
		}
	}
	return number;

}