图像分割是指将图像分成若干个各具特色的区域,并从中将感兴趣的目标区域提取出来的技术和过程,是图像处理的重要步骤,分割质量的好坏将直接影响图像处理的后续工作的进行,所以对图像分割的研究一直是图像技术研究中的热点和难点之一,故图像分割的算法层出不穷,已经在很多领域得到了广泛的应用。阈值分割法是图像分割的常用算法,是根据阈值将图像分成目标和背景两类,其关键是阈值的选取。首先,本文对主要的图像分割算法和常用的阈值分割法进行简单介绍,并通过研究大量的参考文献,分析其优缺点。其次,本文对一维和二维最大类间方差(简称Otsu)法进行详细介绍,并分析出二维Otsu阈值法存在运算时间长、实时性差等缺陷,在此基础上,本文提出了利用改进二维直方图来提高二维Otsu阈值法的运算效率,提高其实时性,并进行实验验证。最后,本文对三维Otsu阈值法的改进进行详细介绍。随着二维Otsu阈值法的分割效果不断降低,人们引入邻域中值作为第三特征,构造三维直方图,提出三维Otsu阈值法,使得对于低信噪比的图像具有较好的分割效果,并提出了应用递推算法降低其时间复杂度,提高运算效率。运算时间虽然减少了,但仍然不能满足人们对实时性的要求,因此,本文提出了将免疫遗传算法(简称IGA算法)融入到三维Otsu阈值法中,利用递推算法计算适应度值,根据IGA算法的全局搜索特性搜索最佳阈值,改善分割效果,还利用快速收敛的特性提高三维Otsu阈值法的运算速度,提高其实时性,并进行实验验证。