较早的数字图像处理技术主要用来不断提高图像质量,而如今怎样从图像中找出人们感兴趣的部分即图像分析过程则成为了学者们研究的重点领域。为了突出一幅图像特征部分的内容,常用的是文本图像二值化处理技术;二值化作为光学字符识别(OCR)过程的关键处理步骤,不仅能够滤除无用信息,突显有用信息,而且直接影响后续字符的识别率。对于处理一幅目标与背景简单,且两者对比度较大的图像来说,采用全局阈值分割算法就可以取得不错的分割效果;但是在具体的实践应用领域中,图像往往会受到不均匀光照的干扰而影响二值化的效果。本文针对此问题,分析研究了非均匀光照产生的原因,并同时介绍了四种经典的局部阈值分割算法。在介绍Niblack算法时,针对此算法分割效果严重依赖阈值参数k、w的问题,本文提出了一种基于Niblack算法的改进算法。该算法首先将原来自设置且全局有效的参数k定义为一个随窗口变化而自适应改变的修正系数k,并将此修正系数k的计算公式代入原Niblack算法阈值公式中,然后再进一步适当减小阈值,以增强背景区域的抗干扰能力。实验证明该算法的分割视觉效果与Sauvola算法相当。经过对比实验分析,发现传统的边缘检测算子、全局阈值分割算法和局部阈值分割算法在分割效果与算法效率上都不能达到两全的结果,所以本文提出了一种基于局部均值的快速改进算法。该算法首先使用积分图像快速算法计算出局部均值,再将计算出的局部均值代入改进的阈值模型算法中,最终完成分割,从而进一步改善了在非均匀光照下的图像分割效果。最后,本文介绍了常用的图像质量评价方法,并通过对比实验结果,分析说明了改进的二值化算法大大提高了运算效率,增强了图像分割效果,在视觉效果和处理时间两个方面都有较大优势。