分割阈值确定后，k时的类间方差，并用表示阈值，为中像素i生成的概率，为组内所有像素点灰度值的平均值，为整个图像所有像素点灰度的平均值。如4-4所示：

两组间的类间方差：来`自+优-尔^论:文,网www.chuibin.com +QQ752018766-      （4-4）

运行结果：graythresh  计算灰度阈值：88

 (a) 原始图像                        (b) 分割结果

图3 最大类见方差法分割图像

结果分析：图3为最大类间方差法的仿真结果。这种方法可以自动获取阈值的，所以算法简单，计算精准。由图3(b)的所示，分割结果展示的细节清晰，图像背景能够完整的分割出来。这也避免了其他普通图像的分割算法导致的图像像素整体分布和灰度特征考虑不充分，图像细节表现模糊、图像区域紊乱以及边界模糊不清等不良效果。

（3）迭代法：迭代法是基于逼近的思想。选取阈值的方法为：先计算图像的最大灰度和最小灰度，初始阈值为两者的平均灰度。小于和大于部分的平均值，此时代替，成为全局阈值。如此往复和迭代，直到收敛。

迭代法所得的阈值分割的图像效果较好，能够区分图像前景和背景的所在。但是其细小的数据变化会引起分割效果极大的反差。所以，对于直方图双峰明显或者谷底较深的图像，迭代法是很好的一个选择。对于双峰不明显或者目标背景差异大的，最大类见方差发是较好的一种选择。[5]