图像分割之大津法Otsu

中文网上大津法的介绍很多，但是大多数给出的代码不是最优的而且存在分母为零的问题。

基本概念

        大津法（简称Otsu）由1979年由日本学者大津提出的，是一种自适应阈值确定的方法，相关文献链接。它是根据图像的灰度特性, 将图像分为前景和背景两个部分，当取最佳阈值时，二者之间的方差应该是最大的。论文精华如下。

        论文中提到是基于Fisher线性判别（FLD）的，在Fisher线性判别式在类间方差（σB）和类内方差（σW）之间建立关系，其中，类间方差（σB）较大，而类内方差（σW）较小。如下图

所以使σB最大或 σW最小的灰度值k。使σB最大更好些，因为σW计算更复杂些。

示例演示

        网上的实现代码都很相似，主要有两个问题：w作为分母，没有考虑w为零的情况；用了两层for循环，时间复杂度有点大。所以为了解决这些问题，自己实现了一遍，测试数据是经典图片coins。

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;

double MyOtsu(const Mat& ima