数字图像处理中用大津法对图像进行分割，采用的是matlab编的程序。

基于opencv2.2的大津法分割，大津法是一种自适应的阈值分割方法，应用较广，按灰度特性，将图像分为背景和目标两部分，是二值化的图像。opencv不同版本可以自行更改项目配置。

最大类间方差，大津法 Java示例

对图像进行阈值分割处理，通过C++代码实现

matlab大津法二值化代码图像二值化 有效地对图像进行二值化。 过程： 只需在中输入路径： imFolder\n=''; 例如：imFolder\n='G\uff1a\\\u56fe\u50cf\u5904\u7406\\\u6587\u672c\u63d0\u53d6\u6587\u4ef6\u5939\\\u65b0\u6587\u4ef6\u5939\\\u65e7\u706b\u8f66\u6570\u636e'； 并在MATLAB中运行代码，它将二进制化后的文件放在同一文件夹中，因此请确保对图像进行备份以确保安全。 它比通常用于二进制化的常规Otsu's Binarization方法要高效一些，因为它具有blockproc函数，该函数扫描可按用户需要在代码中进行更改的blocksize中的图像。

分析视网膜血管结构的变化是诊断和检测糖尿病、高血压等血管类相关疾病的最重要步骤。为此,提出了一种基于Frangi滤波器和大津法(Otsu)的视网膜血管分割方法。基于Frangi滤波器视网膜血管分割方法先对视网膜血管进行预处理,再基于Frangi滤波器对其边缘进行检测,并根据形态学方法分割出视网膜血管。然后,利用Otsu阈值分割预处理和增强后的视网膜血管。将上述两种方法获得的分割图像进行融合,获得最终的分割结果。实验结果表明,所提算法在DRIVE和STARE数据集上的平均灵敏性分别为58.1%、78.7%,特异性分别为93.1%、96.4%,而准确性则分别为93.8%、95.8%,其算法的执行时间仅为1.8 s。与传统的无监督分割算法相比,所提算法简单高效,能够很好地抑制噪声。

二值法中的最佳阈值确定（大津法,OTSU算法)

使用otsu大津法实现直方图的单阈值分割，可用于图像的分割。大津是用最大类间方差来判读阈值的，也可以用最小类内方差判读，最大类间方差+最小类内方差=总方差

内含大津法优化（优化内容见个人博客），PID控制电机舵机算法，动态P，虚线识别等多种算法，小车轻松上2m啦（逐飞库，IAR8.2，版本过低可能打不开）

Verilog语言实现OTSU（大津法），对图像数据实现自适应阈值提取，算法实现有改进，使用乘法器资源较少，代码有注释