大津二值化算法(Otsu)

1. 简介

我们在最灰度图做二值化时，需要设定一个分割阈值，我们并没有一个万能的阈值。而Otsu大津算法则是根据灰度图本身的信息，自动确定最佳阈值，实现以最佳阈值对灰度图进行二值化。
需要注意的是，大津算法并不是直接进行二值化处理，而是得到一个整型数字，也即阈值，我们得到阈值再进行二值化。

2. 原理

我们对图片进行二值化时，是希望将图片分割成两部分，暂且称之为前景和背景：

一般情况下，我们将我们感兴趣的部分称为前景，比如图中的人；对于不感兴趣的称为背景。

大津算法的思想是比较简单的，我们认为分为的前景和背景之间差异是较大的，而前景部分中的像素是相似的，背景部分中的像素是相似的：同一类中差异小，不同类中差异大。那么如果存在一个阈值，使得图像分为了前景和背景，应当符合同一类中差异最小，不同类中差异最大，这个值就是最佳阈值。根据这个最佳阈值分割的图像效果应当是最好的(即将前景和背景彻底分割开)。

那么所谓的“差异”如何表示？其实就是用方差来表示：如果单个的数据其越偏离于中心，那么，其方差值也就越大。如果同一类中方差越小，那么表示同一类中差异也小；不同类之间方差越大，表示不同类中差异越大。

方差：

3. 详细步骤

第6步中求得方差是类间方差：
f：表示front，前景
b：表示back，背景
$p_f$：前景像素个数/总个数，即前景占总图的比率
$p_b$：背景像素个数/总个数，即背景占总图的比率
$M_f$：前景所有像素灰度值均值
$M_b$：背景所有像素灰度值均值
$M$：所有像素灰度值均值

一个典型的2个类的方差求法

实际上图像的像素个数、每个像素的值都是已知的，唯一的变量是$T_0$，所以实际上是求当${\delta }^2$最大时，$T_0$的值，典型的求导，反正只有255级，直接遍历，保存方差最大和对应的阈值即可