编写程序，实现 OTSU 阈值分割算法

以下是Python实现OTSU阈值分割算法的代码：

import cv2
import numpy as np

def otsu_threshold(img):
    """
    OTSU阈值分割算法
    :param img: 灰度图像
    :return: 二值图像
    """
    # 统计像素值的个数
    pixel_counts = [np.sum(img == i) for i in range(256)]
    # 图像像素总数
    total_pixels = img.shape[0] * img.shape[1]
    # 计算每个像素值的概率
    pixel_probs = [pixel_count / total_pixels for pixel_count in pixel_counts]
    # 计算每个灰度级的均值
    mean_values = [i * pixel_probs[i] for i in range(256)]
    # 计算全局均值
    global_mean = np.sum(mean_values)
    # 初始化类间方差和最佳阈值
    max_variance, best_threshold = 0, 0
    # 遍历所有可能的阈值
    for threshold in range(256):
        # 计算前景像素的概率和均值
        foreground_probs = np.sum(pixel_probs[:threshold])
        foreground_mean = np.sum(mean_values[:threshold]) / foreground_probs
        # 计算背景像素的概率和均值
        background_probs = np.sum(pixel_probs[threshold:])
        background_mean = np.sum(mean_values[threshold:]) / background_probs
        # 计算类间方差
        variance = foreground_probs * background_probs * (foreground_mean - background_mean) ** 2
        # 更新最大类间方差和最佳阈值
        if variance > max_variance:
            max_variance = variance
            best_threshold = threshold
    # 二值化图像
    thresholded_img = np.zeros(img.shape, dtype=np.uint8)
    thresholded_img[img > best_threshold] = 255
    return thresholded_img

使用示例：

# 读取原始图像
img = cv2.imread('lena.png', cv2.IMREAD_GRAYSCALE)
# 使用OTSU阈值分割算法得到二值图像
thresholded_img = otsu_threshold(img)
# 显示二值图像
cv2.imshow('OTSU Threshold', thresholded_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

需要注意的是，该算法适用于单峰图像，对于多峰图像需要进行预处理，如使用直方图等方法将其转化为单峰图像再进行阈值分割。