OTSU算法（大津法或最大類間方差法）
一、Otsu最大類間方差法原理
利用閾值將原圖像分成前景，背景兩個圖象。
前景：用n1,csum,m1來表示在當前閾值下的前景的點數，質量矩，平均灰度
背景：用n2, sum-csum,m2來表示在當前閾值下的背景的點數，質量矩，平均灰度
當取最佳閾值時，背景應該與前景差別最大，關鍵在於如何選擇衡量差別的標準，而在otsu算法中這個衡量差別的標準就是最大類間方差，在本程式中類間方差用sb表示，最大類間方差用fmax
關於最大類間方差法（otsu）的性能:
類間方差法對噪音和目標大小十分敏感，它僅對類間方差為單峰的圖像產生較好的分割效果。
當目標與背景的大小比例懸殊時，類間方差準則函式可能呈現雙峰或多峰，此時效果不好，但是類間方差法是用時最少的。
最大類間方差法（otsu）的公式推導：
記t為前景與背景的分割閾值，前景點數占圖像比例為w0，平均灰度為u0；背景點數占圖像比例為w1，平均灰度為u1。
則圖像的總平均灰度為：u=w0*u0+w1*u1。
前景和背景圖象的方差：g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1),此公式為方差公式。
可參照機率論課本上面的g的公式也就是下面程式中的sb的表達式。當方差g最大時，可以認為此時前景和背景差異最大，此時的灰度t是最佳閾值sb = w0*w1*(u1-u0)*(u0-u1)
算法實現1：
算法實現2：
Otsu算法步驟如下：
設圖象包含L個灰度級(0,1…,L-1)，灰度值為i的的象素點數為Ni ，圖象總的象素點數為N=N0+N1+...+N(L-1)。灰度值為i的點的機率為：P(i) = N(i)/N.
門限t將整幅圖象分為暗區c1和亮區c2兩類，則類間方差σ是t的函式：σ=a1*a2(u1-u2)^2 (2)
式中，aj 為類cj的面積與圖象總面積之比，a1=sum(P(i)) i->t, a2 = 1-a1;
uj為類cj的均值，u1 = sum(i*P(i))/a1 0->t, u2 = sum(i*P(i))/a2, t+1->L-1,該法選擇最佳門限t^使類間方差最大，即：令Δu=u1-u2，σb = max{a1(t)*a2(t)Δu^2}
代碼實現：
