先上例子：
（MRI脑图像原图） (经过Ostu算法得出来的图像)
算法简介：大津算法（Ostu），又叫最大类间算法，，就是说把图像分为目标和背景两部分，因为图像处理最终都是要对目标进行处理，如果找某个阈值使得目标图像与背景之间反差最大，可想而知目标就会最突出，就会达到了图像分割的目的。
自我理解：该算法是一种阈值分割，就是从0~255之间找到一个阈值，把目标与背景分开，据我的实践结果，与最大熵阈值分割、最佳阈值分割（先不用了解，之后的文章我会详细的阐述）效果来看，Ostu算法是比较好的一种分割算法，但是他的本质（阈值分割）导致了他的局限性，对于多目标的形式下（多细节图像），会出现阈值异常，因为不能分清到底哪个才是真正你想研究的目标。
步骤及原理剖析：
（1）先把图像变成灰度图像，遍历每一个像素，记录该像素值出现的次数。
（2）一共有Width*Heigh个像素点，用其做分母，算出每一个像素值出现的概率。
（3）从0~255一次尝试，假设该阈值就是使目标与背景反差最大的阈值。
（4）
ω0=N0/ M×N //M,N分别为高和宽,N0，N1为小于和不小于阈值的像素点个数ω1=N1/ M×NN0+N1=M×Nω0+ω1=1(4)μ=ω0*μ0+ω1*μ1 (5)g=ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6)
把4,5式带入6式，即可得到方差的另外的简便方程：w0 * w1 * (u0 – u1) * (u0 – u1)（不信你自己算一算）
private void otsu阈值分割(){int i, j, t, m;double[] p = new double[256];for (i = 0; i < 256; i++)p[i] = 0;//赋初值for (j = 0; j < heigh; j++)for (i = 0; i < width; i++)p[ba[i, j]]++; //统计次数for (i = 0; i < 256; i++)p[i] = p[i]/(width*heigh);//计算概率double[] sigma = new double[256];//统计每个灰度值的前景与背景的方差for (t = 0; t < 256;t++ ){double w0 = 0;for (m = 0; m < t + 1;m++ )w0 += p[m];double w1 = 1 – w0;double u0 = 0;double u1 = 0;for (m = 0; m < t + 1; m++)u0 += m * p[m] / w0;//目标平均灰度值for (m = t+1; m < 256; m++)u1 += m * p[m] / w1;sigma[t] = w0 * w1 * (u0 – u1) * (u0 – u1);}double max=0;int T=0;for (i = 0; i < 256;i++ )if (max < sigma[i]){max = sigma[i];T = i;}MessageBox.Show("The best thresh"+T);}【如果有问题请留言，本人是新手，希望大家指导~】
因为有梦，所以勇敢出发，选择出发，便只顾风雨兼程。
