adaptive-threshold(自适应阈值)

最大类间方差法由日本学者大津于1979年提出，并被命名为大津法（OTSU），这是一种自适应式的阈值确定方法。该方法基于图像灰度特性对图像进行分类划分。当背景与目标之间的类别之间方差越大时，则表明这两种类别所组成的图像部分差异越大。这种错误划分行为（即把一部分目标误认为是背景或者把一部分背景误认为是目标）将会使得这两种类别所组成的图像区域差异减小。由此可知，在进行图像分割时追求最大化的类别之间方差能够有效降低分类错误的概率

otsu法（最大类内方差分割方法）是一种聚类型图像分割算法，在图像处理领域有着重要应用。该方法将图像的灰度值分为两个区域，在满足两个区域内部均值相等的前提下使得区域间的均方误差达到最小化目标函数；其核心在于通过计算两个区域内的方差之和来确定最佳分割点t作为二值化阈值，在此过程中错分概率达到最低水平。该算法因其对图像亮度变化具有适应性而备受推崇，在实际应用中表现出较高的稳定性和可靠性

wo： 分开后 前景像素点数占图像的比例

uo： 分开后 前景像素点的平均灰度

w1：分开后 被景像素点数占图像的比例

u1： 分开后 被景像素点的平均灰度

u=w0u0 + w1u1 :图像总平均灰度

在L个灰度级中循环变量t，并观察其取到不同数值时的结果变化情况：其中当该变量达到极大差异对应点时所对应的该点即为我们所需确定的最佳阈值

其中，方差的计算公式如下