最大類間方差法是由日本學者大津於1979年提出的,是一種自適應的閾值確定的方法,又叫大津法,簡稱OTSU。它是按影象的灰度特性,將影象分成背景和目標2部分。背景和目標之間的類間方差越大,說明構成影象的2部分的差別越大,當部分目標錯分為背景或部分背景錯分為目標都會導致2部分差別變小。因此,使類間方差最大的分割意味著錯分概率最小。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,其平均灰度μ0;背景畫素點數佔整幅影象的比例為ω1,其平均灰度為μ1。影象的總平均 灰度記為μ,類間方差記為g。假設影象的背景較暗,並且影象的大小為M×N,影象中畫素的灰度值小於閾值T的畫素個數記作N0,畫素灰度大於閾值T的畫素個數記作N1,則有: 　　　　　　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) 將式(5)代入式(6),得到等價公式:             g=ω0ω1(μ0-μ1)^2                                                  (7)

採用遍歷的方法得到使類間方差最大的閾值T,即為所求。

由於，當影象在254或255灰度值上沒有畫素點時，求平均灰度時會出現0/0的情況，為避免丟擲異常，可在當出現前景畫素數為零時，跳出迴圈。

以下是c++程式碼（用到OpenCV）：

int otsuThreshold(IplImage* img)
{
 int T = 0;//閾值
 int height = img->height;
 int width  = img->width;
 int step      = img->widthStep;
 int channels  = img->nChannels;
 uchar* data  = (uchar*)img->imageData;
 
 double gSum0;//第一類灰度總值
 double gSum1;//第二類灰度總值
 double N0 = 0;//前景畫素數
 double N1 = 0;//背景畫素數
 double u0 = 0;//前景畫素平均灰度
 double u1 = 0;//背景畫素平均灰度
 double w0 = 0;//前景畫素點數佔整幅影象的比例為ω0
 double w1 = 0;//背景畫素點數佔整幅影象的比例為ω1
 double u = 0;//總平均灰度
 double tempg = -1;//臨時類間方差
 double g = -1;//類間方差
 double Histogram[256]={0};// = new double[256];//灰度直方圖
 double
 
 N = width*height;//總畫素數
 for(int i=0;i<height;i++)
 {//計算直方圖
  for(int j=0;j<width;j++)
  {
   double temp =data[i*step + j * 3] * 0.114 + data[i*step + j * 3+1] * 0.587 + data[i*step + j * 3+2] * 0.299;
   temp = temp<0? 0:temp;
   temp = temp>255? 255:temp;
   Histogram[(int)temp]++;
  } 
 }
 //計算閾值
 for (int
 
 i = 0;i<256;i++)
 {
  gSum0 = 0;
  gSum1 = 0;
  N0 += Histogram[i];   
  N1 = N-N0;
  if(0==N1)break;//當出現前景無畫素點時，跳出迴圈
  w0 = N0/N;
  w1 = 1-w0;
  for (int j = 0;j<=i;j++)
  {
   gSum0 += j*Histogram[j];
  }
  u0 = gSum0/N0;
  for(int k = i+1;k<256;k++)
  {
   gSum1 += k*Histogram[k];
  }
  u1 = gSum1/N1;
  //u = w0*u0 + w1*u1;
  g = w0*w1*(u0-u1)*(u0-u1);
  if (tempg<g)
  {
   tempg = g;
   T = i;
  }
 }
 return T; 
}