1、OTSU簡述
在進行圖像的二值化時需要選取一個閾值T(Threshold)，通常情況下現場調節選取與大津法選取，顯然人工選取並不牢靠，一般選用大津法分析現場圖像，根據環境自適應選取出最為合適閾值，在發車前使用一次大津法，此后均按照此閾值進行二值化
大津法的基本原理時將圖像分為前景和背景兩部分，分割的依據是其灰度值的大小，分割點即是閾值；此方法遍歷不同閾值，計算該閾值下前景與背景的類間方差，類間方差時衡量前景與背景整體圖像灰度的均勻程度，當這一方差取極大值時，說明此二者差別越大，區分越明顯，也就達到了需要的閾值
2、具體方法
記：在M×N的圖像中，前景像素點占比ω0，像素點數目為N0，平均灰度μ0；背景像素點數占整幅圖像的比例為ω1，像素點數目N1，平均灰度為μ1，圖像的總平均灰度記為μ，類間方差記為g，閾值為T，則有：
ω0=N0/ M×N (1)
ω1=N1/ M×N (2)
N0+N1=M×N (3)
由T分割M×N中的N0與N1，這就構建出了T與ω0/1的聯系
ω0+ω1=1(4)
μ=ω0μ0+ω1μ1 (5)
g=ω0(μ0-μ)^2+ω1(μ1-μ)2 (6)
將(5)帶入(6)中可得：
g=ω0ω1(μ0-μ1)2
當g取最大值時對應的T值即為所求，T需要的遍歷的范圍可取在最小灰度與最大灰度之間
對於這一方法的理解，一般而言大津法適用於噪聲較小（可將圖像事先經過降噪處理）的，灰度直方圖符合雙峰分布（雙峰分別為背景和前景，中間的低谷對應橫軸值即為閾值T）
3、OTSU問題所在
在利用OTSU進行對賽道的閾值分割，尤其時對賽道邊緣存在黑色邊條時，OTSU往往會出現誤判：
大津法
谷底最小值
而采用谷底最小值算法進行分割效果較好
4、谷底最小值