在影象處理中Otsu方法，是以 Nobuyuki otsu 的名字命名的（日本人，大津展之），常用於基於影象分割的聚類。該演算法的理論依據是：假定影象包含兩類畫素（前景畫素和背景畫素），直方圖為雙峰直方圖，然後計算使得兩類畫素能分開的最佳閾值（類內方差），或等價的間類間方差最大。

Otsu演算法原理：

對於影象 I(x,y)，前景(即目標)和背景的分割閾值記作 T，屬於前景的畫素點數佔整幅影象的比例記為 ω0，平均灰度為 μ0；背景畫素點數佔整幅影象的比例為 ω1，平均灰度為 μ1；整幅影象的平均灰度記為μ，類間方差記為g。 假設影象大小為M×N，影象中畫素的灰度值小於閾值 T 的畫素個數為 N0，畫素灰度大於閾值T的畫素個數為 N1，那麼：

　　　　　　ω0=N0/ M×N (1) 　　　　　　ω1=N1/ M×N (2) 　　　　　　N0+N1=M×N (3) 　　　　　　ω0+ω1=1　　　 (4) 　　　　　　μ=ω0*μ0+ω1*μ1 (5) 　　　　　　g=ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6) 　　　　　　g=ω0ω1(μ0-μ1)^2 　　 (7)

採用遍歷的方法使得類間方差g最大的閾值T，即為所求。Ostu方法可以形象地理解為：求取直方圖有兩個峰值的影象中那兩個峰值之間的低谷值 T 。

Otsu演算法實現：

    getThreshVal_Otsu_8u( const Mat& _src )  
    {  
        Size size = _src.size();  
        if( _src.isContinuous() )  
        {  
            size.width *= size.height;  
            size.height = 1;  
        }  
        const int N = 256;  
        int i, j, h[N] = {0};  
        for
 
( i = 0; i < size.height; i++ )  
        {  
            const uchar* src = _src.data + _src.step*i;  
            j = 0;  
            #if CV_ENABLE_UNROLLED  
            for( ; j <= size.width - 4; j += 4 )  
            {  
                int v0 = src[j], v1 = src[j+1];  
                h[v0]++; h[v1]++;  
                v0 = src[j+2]; v1 = src[j+3];  
                h[v0]++; h[v1]++;  
            }  
            #endif  
            for( ; j < size.width; j++ )  
                h[src[j]]++;  
        }  

        double mu = 0, scale = 1./(size.width*size.height);  
        for( i = 0; i < N; i++ )  
            mu += i*(double)h[i];  

        mu *= scale;  
        double mu1 = 0, q1 = 0;  
        double max_sigma = 0, max_val = 0;  

        for( i = 0; i < N; i++ )  
        {  
            double p_i, q2, mu2, sigma;  

            p_i = h[i]*scale;  
            mu1 *= q1;  
            q1 += p_i;  
            q2 = 1. - q1;  

            if( std::min(q1,q2) < FLT_EPSILON || std::max(q1,q2) > 1. - FLT_EPSILON )  
                continue;  

            mu1 = (mu1 + i*p_i)/q1;  
            mu2 = (mu - q1*mu1)/q2;  
            sigma = q1*q2*(mu1 - mu2)*(mu1 - mu2);  
            if( sigma > max_sigma )  
            {  
                max_sigma = sigma;  
                max_val = i;  
            }  
        }  

        return max_val;  
    }