本人车牌识别项目用到的大津二值化的Python模块实现, 输入二维[0,1.]的浮点灰度图像矩阵, 返回0/1的二值化图像矩阵, 使用掩膜赋值法, 效率较高[pretty good not perfect], 时间复杂度接近于O(1)[得益于Python的矩阵操作优化]

大津算法阈值分割，将二维数组的灰度图像处理为二维数组的二值化图像

最大类间方差，大津法 Java示例

用OpenCV和VS 数字图像处理，实现图像增强（包括线性增强，邻域平均，中值滤波等），图像变换（平移，镜像等），二值，灰度图像腐蚀膨胀，开闭等，霍夫变换检测直线，大津阈值分割等，连通域个数及面积求取等

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。

基于形态学的图像处理.pdf

详细的大津阈值分割方法，有注释，可以看懂

这是一篇小论文，里面详细介绍了otsu及其一种改进方法，按照论文中的步骤，即可实现otsu算法及其改进方法。

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。