關於 Otsu's 演算法，下列何者錯誤？

本題觀念：

Otsu's 演算法（大津演算法）是影像處理與電腦視覺領域中，廣泛用於「影像二值化（Image Binarization）」與「閾值最佳化（Threshold Optimization）」的經典統計演算法。其核心概念是透過影像的灰階分佈特徵，自動計算出一個最佳的灰階閾值，將影像像素精確地分割為前景與背景兩大類。

選項分析

• A. 閾值（ threshold）最佳化的一種方法：正確。Otsu's 演算法是一種非監督式的全域閾值選擇技術，系統會透過窮舉所有可能的灰階值，自動找出能夠達到最佳分割效果的閾值。

• B. 類間變異數（ between-class variance ）為最小：錯誤。在 Otsu's 演算法的數學推導中，為了讓前景與背景的區別達到最明顯，目標是最大化「類間變異數（between-class variance）」，這同時等價於最小化「類內變異數（within-class variance）」。當類間變異數最大時，代表分割出的兩個群體（前景與背景）特徵差異最顯著。因此選項敘述剛好顛倒。

• C. 假設圖像包含兩類像素：正確。此演算法的基礎建立於假設影像具備雙峰分佈（bimodal distribution）的特性，也就是影像主要由前景（欲提取的物件）與背景這「兩類」像素所組成。

• **

...（解析預覽）...