2。1 阈值图像分割法

阈值分割法是现在应用最广泛的一种图像分割算法，其优点是计算比较简单，运算效率高。阈值分割法的关键在于找准图像阈值，这关系到图像分割处理是否能达到期望。

如果按图像特点划分，有单阈值分割和多阈值分割之分；也可以分成基于像素值的阈值分割法，以区域为基础的阈值算法。若按照阈值的选取方法和准则，还可以分为直方图与直方图变换法，最大类空间方差法等等多种方法，每一种方法他们都有着各自的优势。由此也就保证了每一个设计人员可以根据不同设计需求以及标准进行设计，从而切实有效的保证现有设计的合理性以及有序性，让其能够更好的满足后续图像分割合理性，提升实际的分割效果。文献综述

传统的分割方法只是通过图像的一维灰度分布[2]，而没有注意图像的空间信息，结果造成传统阈值分割法适用对象只能是那些目标和背景之间灰度相差比较大的图像，其应用范围大大受限。而图像信噪比出现降低时，使用传统的阈值分割法会有误分割的可能出现。

为了解决传统阈值分割算法的局限性，一些学者开始选择引入空间信息，采用二维灰度直方图的方式来对图像进行分割。这种方法对图像的处理有所改善，但计算比较困难，运行速度迟滞，数据信息量大，需要收集的信息量过大，这也就造成其实用性非常差。

新问题的出现随着二维Otsu阈值分割算法的出现而得到了解决，这种算法的出现改善了二维阈值算法存在的快速性缺点，并将抗噪性考虑进来，对图像的处理效果比较好。

2013年李光耀提出了最简单的阈值图像分析法公式，公式如下：（2-1）

设阈值，对图中所有像素点以（2-1）计算。

式中，图像分割的质量取决于阈值的选取，周红娟利用OTSU算法确定最佳阈值。同时基于模糊距离的自适应阈值分割也是比较好的算法。若阈值难以确定，可以使用杨雪丹等人提到的模糊均值聚类基于阈值及像素聚类的分割法性能比较，此方法无需选取阈值，可以进行自动分割。

阈值分割根据图像特性选取一个分割效果最佳的阈值。对现有的实际方式方法而言，其本身就具有许多的方法，能够借助于多种方法对阈值进行合理的应用，从而保证了现有分割算法的合理性，保证了现有阈值选择的合理性，更好的符合现有的实际分割需求。对于现有的阈值分割算法的具体方法而言，主要包括了以下几种选取阈值的方法。

2。1。1 直方图谷点确定阈值来:自[优E尔L论W文W网www.chuibin.com +QQ752018766-

在一幅目标和背景都比较单纯的图像中。主要是通过现有的峰值以及峰谷的方式，去对现有的阈值范围进行一个界定，并且在这一界定之后，对其进行合理的分割，从而寻找到一个合理的阈值。由此也就意味着其本身最终的选择范围较为广泛，对于实际的操作人员而言，选择难度较大，灵敏度较低。

2。1。2 最小误差法

对于目标与背景灰度重叠的情况，使用全局阈值对他们进行处理，因此无论阈值多大，都会令某些像素点发生误分的情况。这种方法相对于直方图谷点而言，准确性较高，而且对于现有的阈值选择更加的精准，更好的保证了后续选择的合理性以及有序性，让现有阈值可以真正缩小到一个相对精确的范畴内，获得实际的应用有效性。

设目标和背景像素出现的先验概率分别为和，且；目标和背景的灰度分布概率密度函数分别为和，则图像总的灰度分布概率密度函数[3]为: