- アルゴリズムのステップ：
1.即ち、各グレイレベルの画素数をカウントし、ヒストグラムを生成します。
前記ヒストグラムは正規化され、すなわち、ピクセルのグレーレベルスケールの画素毎に算出した合計。
0〜255階調から3階調反復は、それぞれ反復比W0前景画素（画素階調0は、現在の反復の階調に）、および前景画素の平均階調値U0を算出します。
比例演算背景画素（255個の画素を階調に階調電流の反復）とU1の平均階調W1。
4.各反復前景と背景画素算出された分散G = W0 * W1 *（U0、U1）^ 2です。
5.繰り返しが最大階調分散2値化閾値を取っていることを、分散の各反復を比較してください。
- このアルゴリズムは動作します：
前景画素N0、W0の比率、及びS0の階調数と称する、U0は、平均グレーである背景の画素数が、W1の比率、及びS1の階調、平均グレーレベルU1 N1です。
画像の総画素数はNであり、階調がs、平均グレーUです。クラス間分散G。
これは、次の式を有します：
W0 = N0 / N。W1 = N 1 / N。N1 + N 0 = N。W0 + W1 = 1。
U0 = S0 / N0。U1 = S1 / N1; U = S / N U = U0 * W0 + U1 * W1。
G = W0 *（U0-U）^ 2 + W1（U1-U）^ 2。
結局GETグラム= W0 * W1 *（U0-U1）^ 2;
画像ヒストグラムは、2つのピークを有し、大法律閾値が2つのピークの間の必要なトラフを近似するためには、2つの値を分割するために使用することができます。
- アルゴリズム：
G = W0 * W1 *（U0、U1）^ 2 U1で、式を与えるためにW1の式を用いて、U = U 0 * W0 + U1 *、反復の深さを減少させるために：
G = W0 /（1-W0）*（U0-U）^ 2
コードは次のように実装されています。
符号なしチャー Ostu（int型のサイズ、符号なしのchar *の画像） { int型Iを、 符号なしチャー閾値= 0 ; // 閾値 フロート分散= 0 ; // 二つのクラス間の分散 フロート maxvariance = 0 ; // 最大分散 フロートグレイ= 0 ; / / 前景階調 フロート W0 = 0。 // 前景画素比率 フロート U0 = 0 ; // 前景がグレー意味 フロート U = 0 ; // 総平均階調、I =前景255にグレースケールとして見ることができる フロートヒストグラム[ 256 ] = { 0 }。 // ヒストグラム のための（I = 0 ; Iサイズを<; I ++は）{ ヒストグラム[ *（イメージ+ I）] ++; // ピクセルヒストグラム } ための（I = 0 ; I < 256 ; I ++が）{ ヒストグラム[ I]/ =サイズ; // 比ヒストグラム U + =ヒストグラム[I] Iは、*; // 展望は、I = 255階調、即ち、総平均グレー取得 } ため（i = 0 ; I < 256 ; Iは++ ）{ W0 + =ヒストグラム[I]; // 前景画素比率 灰色ヒストグラム+ = I * [I]; // 前景階調 U0 = W0 /グレー; // 前景前景=グレースケール平均グレー/グレー画素比率=度および/ピクセルと 分散= W0 /（1。 -w0）*（U-U0）*（U-U0）; // 検索分散 IF（分散> maxvariance）{ maxvariance = 分散; 閾値 ; = I // 対応するグローバル閾値画像として最大値G I } } 戻り閾値; }