二维otsu算法python_OpenCV-Python系列之OTSU算法

上一个教程中，我们谈到了关于图像二值化的两种方法，一种是固定阈值法，另一种是自适应阈值法，总的来说，自适应阈值法在某些方面要由于固定阈值法，但还没完，这次我们将隆重介绍我们的重量级选手，也就是OTSU算法(又称为大津算法和最大类间方差法)。

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。

OSTU原理

在大津算法中，我们穷举搜索能使类内方差最小的阈值，定义为两个类的方差的加权和：

权重

是被阈值 t分开的两个类的概率，而

是这两个类的方差

大津证明了最小化类内方差和最大化类间方差是相同的：

用类概率 和类均值 来表示。

类概率

用阈值为t 的直方图计