Otsu算法步骤如下：
设图象包含L个灰度级(0,1…,L-1)，灰度值为i的的象素点数为Ni ，图象总的象素点数为N=N0+N1+...+N(L-1)。灰度值为i的点的概为：
P(i) = N(i)/N.
门限t将整幅图象分为暗区c1和亮区c2两类，则类间方差σ是t的函数：
σ=a1*a2(u1-u2)^2 (2)
式中，aj 为类cj的面积与图象总面积之比，a1 = sum(P(i)) i->t, a2 = 1-a1; uj为类cj的均值，u1 = sum(i*P(i))/a1 0->t, 
u2 = sum(i*P(i))/a2, t+1->L-1 
该法选择最佳门限t^ 使类间方差最大，即：令Δu=u1-u2，σb = max{a1(t)*a2(t)Δu^2}

/****************************************以下部分内容为原创；OTSU代码**********************************************/

首先是自己实现的OTSU，原来不知道MATLAB直接有就自己编了……崩溃啊！

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%OTSU 最大类间方差法图像分类
%该方法将图像分为前景和背景两部分，背景和目标之间的类间方差越大,说明构成图像的2部分的差别越大,
%当部分目标错分为背景或部分背景错分为目标都会导致2部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。
%Command 中调用方式： OTSU('D:\Images\pic_loc\1870405130305041503.jpg')
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
function th=thresh_md(a); x=imread(a); a=rgb2gray(x); subplot(211);imshow(a,[]);%[count x]=imhist(a); [m,n]=size(a); N=m*n; L=256; for i=1:Lcount(i)=length(find(a==(i-1)));f(i)=count(i)/(N);
endfor i=1:L if count(i)~=0 st=i-1; break; end
end
for i=L:-1:1 if count(i)~=0 nd=i-1; break; end
end
%f=count(st+1:nd+1);  %f是每个灰度出现的概率
p=st;   q=nd-st;
u=0;
for i=1:q u=u+f(i)*(p+i-1);  %u是像素的平均值  ua(i)=u;           %ua（i）是前i个像素的平均灰度值
end; for i=1:q w(i)=sum(f(1:i));  %w（i）是前i个像素的累加概率
end; w=w+0.0001;d=(u*w-ua).^2./(w.*(1-w));
[y,tp]=max(d);  %可以取出数组的最大值及取最大值的点
th=tp+p; for i=1:m for j=1:n if a(i,j)>th a(i,j)=0; else a(i,j)=255; end end
end
subplot(212);
imshow(a,[]);

下面直接调用MATLAB的函数：

[plain] view plaincopy print?

1. I=imread('D:\Images\pic_loc\1870405130305041503.jpg');
2. a=rgb2gray(I);
3. level = graythresh(a);
4. a=im2bw(a,level);
5. imshow(a,[]);

I=imread('D:\Images\pic_loc\1870405130305041503.jpg');
a=rgb2gray(I);
level = graythresh(a);
a=im2bw(a,level);
imshow(a,[]);

实验结果：