图像分割就是根据图像的特定性质将目标从复杂背景中准确提取出来的过程和技术,是图像分析和图像理解的关键步骤,是一种非常重要的图像处理技术,分割结果的好坏直接影响着后续工作的进行。尽管对图像分割的研究已取得了许多成果,但还有许多没有解决和需要解决的问题,且更广泛的研究正在深入开展。所以,图像分割在目前的图像处理领域中仍占据着最重要的地位。　　阈值图像分割方法以其简单、快速、实用、有效的特点成为了图像分割领域常用的方法之一。其中,最大熵法和最大类间方差法是经典的阈值图像分割方法,基于一维直方图的分割,仅考虑了图像的灰度信息,忽略了图像的空间邻域信息,在噪声干扰或者光照不均匀的情况下,分割效果不够理想。现存的分割算法大都是在二维直方图的基础上进行的,但是这些分割方法算法复杂度相对较高,运算速度慢,在实际应用中收到了限制。因此,可以考虑将一些智能算法引入到最佳阈值选取中来。　　遗传算法是一种基于生物进化论和遗传机理的全局收敛搜索算法,具有通用性和鲁棒性好、搜索能力强的特点。因此可以将遗传算法应用于图像分割领域,把图像分割中最佳阈值的选取问题转化为求解准则函数极值的优化问题,不仅能得到最佳阈值,还大大缩短了运算时间,提高了算法的效率,能够很好的解决图像分割的实时性、快速性等问题。　　本文介绍了图像分割的基本理论、常用的分割方法、遗传算法的基本理论及二维最大熵法和二维最大类间方差法的相关理论,并引入了二维直线 Otsu法。在基本遗传算法研究的基础上,对遗传算法的选择算子、交叉算子和变异算子进行了一定的改进,并将改进的遗传算法与二维最大熵法和二维最大类间方差法相结合提出了新的图像分割算法,对不同的图像实施分割,验证了新方法的可行性和分割性能。同时,为了进一步客观地评价算法,本文采用最终测量精度准则对分割结果进行评价,由分割结果及时间、阈值和评价准则的统计结果可以看出本文算法能够实现图像的快速、准确分割。