图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。它是图像处理、模式识别和人工智能等多个领域中的重要课题,也是从图像处理到图像分析的关键步骤,在图像工程中占有非常重要的位置。阈值图像分割是图像分割中的一个重要技术,它的目标是通过图像的灰度直方图得到一个阈值,然后根据该阈值对图像进行分割。最大类间方差法(简称Otsu法)具有良好的分割性能,是常用的阈值图像分割方法之一。该算法能自动得到统计意义上的最佳分割阈值,对于存在目标类和背景类的图像分割效果较好,且算法简单,有很强的自适应能力,在灰度图像目标和背景的自动分割上具有广泛的应用。文章概述了图像分割的目的和意义,图像分割在图像工程中的位置和图像分割技术的研究现状。介绍了图像处理及图像分割的理论基础,包括数字图像处理的基本概念,以及图像分割的定义、分类、评价,重点讨论了阈值分割的理论及背景,以及目前对阈值法分割的研究成果。传统Otsu法只考虑目标类和背景类之间的方差,却没有考虑每一类像素中包含的分类信息。本文提出了一种对Ostu法进行改进的阈值计算方法,将前景和背景像素类的内聚性结合到Otsu法中,并给出了一个改进的分类判别函数。实验结果表明改进后的算法比标准Otsu法有更好的阈值分割效果。Otsu多阈值分割方法是对Ostu方法的一个重要的推广,并取得了公认的成果,然而其中最优阈值个数的确定仍然是一个需要进一步研究的问题。本文提出一种确定最优阈值个数的方法,并做了相关实验和实验结果分析。Otsu法仅仅利用图像像素的灰度信息,而没有充分利用像素之间的空间相关信息,在噪声干扰等因素的影响下,灰度直方图不一定存在明显的波峰和波谷,因而往往会造成错误分割,不能得到满意的分割效果。为此,人们将其推广到由灰度和邻域平均灰度构成的二维直方图上,提出了二维Otsu法。但是随着噪声的增加,图像的信噪比不断降低,二维Otsu法的分割效果也在不断下降。近年来,又引入了邻域中值作为第三个特征,构造三维灰度直方图,提出三维Otsu法,使得对于低对比度、低信噪比的图像具有较好的分割效果。本文将邻域加权中值这一概念引入到三维Otsu法中,从而更好的保留图像分割后的细节信息和边缘特征。由于采用三维空间的定义使计算量呈指数级增加,因此本文通过数学推理导出快速实现该算法的递推公式,以降低计算复杂度,使得运算时间得到进一步提高。