最大類間方差法（otsu）的原理：
閾值將原圖象分成前景，背景兩個圖象。
前景：用n1,csum, m1來表示在當前閾值下的前景的點數，質量矩，平均灰度
后景：用n2, sum-csum, m2來表示在當前閾值下的背景的點數，質量矩，平均灰度
當取最佳閾值時，背景應該與前景差別最大，關鍵在於如何選擇衡量差別的標准
而在otsu算法中這個衡量差別的標准就是最大類間方差（英文簡稱otsu，這也就是這個算法名字的來源）
在本程序中類間方差用sb表示，最大類間方差用fmax
關於最大類間方差法（otsu）的性能:
類間方差法對噪音和目標大小十分敏感，它僅對類間方差為單峰的圖像產生較好的分割效果。
當目標與背景的大小比例懸殊時，類間方差准則函數可能呈現雙峰或多峰，此時效果不好，但是類間方差法是用時最少的。
最大最大類間方差法（otsu）的公式推導：
記t為前景與背景的分割閾值，前景點數占圖像比例為w0，平均灰度為u0；背景點數占圖像比例為w1，平均灰度為u1。
則圖像的總平均灰度為：u=w0*u0+w1*u1。
前景和背景圖象的方差：g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1),此公式為方差公式，可參照概率論課本
上面的g的公式也就是下面程序中的sb的表達式
當方差g最大時，可以認為此時前景和背景差異最大，也就是此時的灰度是最佳閾值
unsafe public int GetThreshValue(Bitmap image)
{
BitmapData bd = image.LockBits(new Rectangle(0, 0, image.Width,image.Height), ImageLockMode.WriteOnly, image.PixelFormat);
byte* pt = (byte*)bd.Scan0;
int[] pixelNum = newint[256]; //圖象直方圖，共256個點
byte color;
byte* pline;
int n, n1, n2;
inttotal; //total為總和，累計值
double m1, m2, sum, csum, fmax,sb; //sb為類間方差，fmax存儲最大方差值
int k, t, q;
int threshValue =1; //閾值
int step = 1;
switch (image.PixelFormat)
{
case PixelFormat.Format24bppRgb:
step = 3;
break;
case PixelFormat.Format32bppArgb:
step = 4;
break;
case PixelFormat.Format8bppIndexed:
step = 1;
break;
}
//生成直方圖
for (int i = 0; i < image.Height; i++)
{
pline = pt + i * bd.Stride;
for (int j = 0; j < image.Width; j++)
{
color = *(pline + j *step); //返回各個點的顏色，以RGB表示
pixelNum[color]++; //相應的直方圖加1
}
}
//直方圖平滑化
for (k = 0; k <= 255; k++)
{
total = 0;
for (t = -2; t <= 2;t++) //與附近2個灰度做平滑化，t值應取較小的值
{
q = k + t;
if (q < 0) //越界處理
q = 0;
if (q >255)
q = 255;
total = total +pixelNum[q]; //total為總和，累計值
}
pixelNum[k] = (int)((float)total / 5.0 +0.5); //平滑化，左邊2個+中間1個+右邊2個灰度，共5個，所以總和除以5，后面加0.5是用修正值
}
//求閾值
sum = csum = 0.0;
n = 0;
//計算總的圖象的點數和質量矩，為后面的計算做准備
for (k = 0; k <= 255; k++)
{
sum += (double)k *(double)pixelNum[k]; //x*f(x)質量矩，也就是每個灰度的值乘以其點數（歸一化后為概率），sum為其總和
n +=pixelNum[k]; //n為圖象總的點數，歸一化后就是累積概率
}
fmax =-1.0; //類間方差sb不可能為負，所以fmax初始值為-1不影響計算的進行
n1 = 0;
for (k = 0; k < 255;k++) //對每個灰度（從0到255）計算一次分割后的類間方差sb
{
n1 +=pixelNum[k]; //n1為在當前閾值遍前景圖象的點數
if (n1 == 0) { continue;} //沒有分出前景后景
n2 = n -n1; //n2為背景圖象的點數
if (n2 == 0) { break;} //n2為0表示全部都是后景圖象，與n1=0情況類似，之后的遍歷不可能使前景點數增加，所以此時可以退出循環
csum += (double)k *pixelNum[k]; //前景的“灰度的值*其點數”的總和
m1 = csum /n1; //m1為前景的平均灰度
m2 = (sum - csum) /n2; //m2為背景的平均灰度
sb = (double)n1 * (double)n2 * (m1 - m2) * (m1 -m2); //sb為類間方差
if (sb >fmax) //如果算出的類間方差大於前一次算出的類間方差
{
fmax =sb; //fmax始終為最大類間方差（otsu）
threshValue =k; //取最大類間方差時對應的灰度的k就是最佳閾值
}
}
image.UnlockBits(bd);
image.Dispose();
return threshValue;
}