采用基于最小二乘法原理的最大方差阈值设定方法，对采样的前60幅有种子的图像进行分析，其基本思想是：将灰度直方图在某一灰度值处分成两组，当两组间的方差最大时，此灰度值即为该幅图像阈值写出代码

这里提供一种使用Python实现基于最小二乘法原理的最大方差阈值设定方法的代码：

import cv2
import numpy as np

def OtsuThreshold(img):
    # 对灰度图像进行直方图统计
    hist = cv2.calcHist([img],[0],None,[256],[0,256])
    # 直方图归一化
    hist_norm = hist.ravel()/hist.sum()
    # 初始化参数
    variances = np.zeros((256,1))
    for i in range(1,256):
        # 计算前景灰度级概率、背景灰度级概率
        q1 = hist_norm[:i].sum()
        q2 = hist_norm[i:].sum()
        # 计算前景灰度级均值、背景灰度级均值
        m1 = (np.arange(1,i+1)*hist_norm[:i]).sum() / q1
        m2 = (np.arange(i+1,256)*hist_norm[i:]).sum() / q2
        # 计算类内方差、类间方差
        variance_intra = np.sum((np.arange(1,i+1)-m1)**2*hist_norm[:i]) + np.sum((np.arange(i+1,256)-m2)**2*hist_norm[i:])
        variance_inter = q1*q2*(m1-m2)**2
        # 计算灰度级i处的类间方差
        variances[i] = variance_inter / variance_intra
    # 找到类间方差最大的灰度级作为阈值
    threshold = np.argmax(variances)
    return threshold

# 加载测试图像
img = cv2.imread('test.png', cv2.IMREAD_GRAYSCALE)
# 使用OTSU算法求阈值
otsu_threshold, _ = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# 使用最大方差阈值设定方法求阈值
maxvar_threshold = OtsuThreshold(img)
# 显示结果图像
cv2.imshow('Original Image', img)
cv2.imshow('OTSU Threshold', cv2.threshold(img,otsu_threshold,255,cv2.THRESH_BINARY)[1])
cv2.imshow('Maxvar Threshold', cv2.threshold(img,maxvar_threshold,255,cv2.THRESH_BINARY)[1])
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`OtsuThreshold`函数实现了基于最小二乘法原理的最大方差阈值设定方法。这个函数的输入是一张灰度图像，输出是图像的阈值。在函数内部，我们首先使用`cv2.calcHist`函数对图像的灰度直方图进行统计，并对直方图进行归一化处理。然后，我们遍历灰度级从1到255，对每个灰度级计算前景灰度级概率、背景灰度级概率、前景灰度级均值、背景灰度级均值、类内方差和类间方差，最后计算灰度级i处的类间方差。最终，我们选择类间方差最大的灰度级作为图像的阈值。

在主程序中，我们先使用`cv2.imread`函数加载测试图像，然后分别使用`cv2.threshold`函数和`OtsuThreshold`函数求出图像的阈值，并将结果显示出来。需要注意的是，在使用`cv2.threshold`函数时，我们需要指定二值化类型为`cv2.THRESH_BINARY`，这意味着大于阈值的像素值将被设为255，小于或等于阈值的像素值将被设为0。