Python 最大类间方差法OTSU算法详解及源码

最大类间方差法（OTSU算法）是一种基于图像灰度级直方图的自适应阈值分割算法。该算法将图像分成两个类（前景和背景），通过寻找使得类间方差最大的灰度级作为分割阈值。

算法步骤如下：

1. 统计图像的灰度级直方图，并计算总的像素数。
2. 遍历灰度级，计算每个灰度级分割后的类间方差，即前景和背景之间的方差。
3. 对于每个灰度级，计算分割后的前景和背景的像素数及对应的概率。
4. 对于每个灰度级，计算分割后的前景和背景的均值。
5. 对于每个灰度级，计算分割后的类间方差。
6. 找到使得类间方差最大的灰度级，作为分割阈值。

最大类间方差法OTSU算法的优点包括：

1. 简单快速：算法基于直方图统计，计算量较小。
2. 自适应：算法能够根据图像的特点自适应地选择最优的分割阈值。
3. 无参数：算法无需设置参数，适用于多种类型的图像。

最大类间方差法OTSU算法的缺点包括：

1. 对于低对比度图像效果可能不佳：算法主要基于灰度级直方图，对于低对比度的图像，类间方差不明显，分割效果可能不佳。
2. 对于复杂背景的图像效果可能不佳：算法假设图像可以分成两个类（前景和背景），对于复杂背景的