图像阈值分割是工业视觉检测领域中重要的预处理环节，其主要目的是从复杂的背景中分离出感兴趣的目标区域，以便后续场景分析和目标识别。目前，阈值分割技术仍面临着分割精度低、抗光照不均性能差、普适性不强等难题。针对以上难题，本文对全局自适应算法和局部自适应算法进行了深入的研究，总结与分析了现有自适应阈值分割算法存在的优点和局限性，并对传统全局算法给出了进一步改进方案，同时提出一种灰度波动局部阈值分割算法用于处理光照不均匀图像。本文主要研究成果如下：(1)针对现有灰度级-平均灰度级直方图存在着近似错分问题，提出一种以灰度-梯度为二维直方图的对称Tsallis交叉熵的全局自适应阈值分割算法。首先利用邻域梯度信息作为第二维特征来构建灰度-梯度直方图，更加全面地考虑了背景类和目标类的内部点，同时推导出基于该直方图区域划分的对称Tsallis交叉熵阈值选取的准则函数。接着，对准则函数的公式进行了剖析，并采用快速递推算法对公式中的相关量进行运算，降低了算法的计算复杂度。最后，将准则函数作为适应度函数，并采用基于tent映射的混沌小生境粒子群算法在二维空间中搜寻最佳阈值向量，进一步提高了算法的搜索精度和速度。通过对比实验证明，本文方法能够使分割后的图像边缘更加准确，类内灰度更加均匀，且实时性得到较大提高。(2)考虑到工业检测图像经常受到不均匀光照的干扰，相比全局自适应算法，局部自适应算法具有更好的分割效果，但是局部自适应算法存在着鲁棒性差、实时性慢等问题。针对以上问题，本文依据Water Flow模型理论，从图像的灰度三维曲面入手，提出一种光照不均匀图像的灰度波动局部阈值分割算法。首先提取图像垂直或水平方向上的所有灰度波动曲线，并迭代搜索每条曲线上满足给定波动幅度阈值的较大尺度波峰和波谷，然后在每对交替波峰或波谷之间求取浮动阈值来划定目标和背景像素的归属，最后对两个方向上取得的阈值图像进行相交操作得到最终分割图像。仿真实验证明，本文方法在较大程度上降低了不均匀光照对图像分割的影响，提升了图像的分割效果。(3)为了充分验证本文算法的实际分割性能，采集大量实际图像来构建自己的检测图像库，并对上述两种算法进行测试与分析。实际测试表明，改进的二维对称Tsallis交叉熵算法能够在较为复杂的场合下更加凸显目标的边缘细节信息，灰度波动局部阈值分割算法能够较好地处理工业光照不均匀图像，且该方法通过调节波动幅度阈值来控制对灰度波动的敏感程度，以适应不同环境下的分割要求。