孙前来，王 银，孙志毅，杨 凯，刘瑞珍

(太原科技大学 电子信息工程学院，太原 030024)

图像分割是机器视觉中图像处理的一个重要和关键的过程，是图像识别和图像理解的基础。阈值分割是最早的图像分割方法之一，适用于目标和背景有着不同灰度值范围的图像。阈值分割具有方法简单、计算量小、性能稳定等众多优点，因而成为最基本和应用最广泛的图像分割技术。图像的阈值分割主要是根据图像的灰度特征，选取一个或多个阈值，将图像中所有像素的灰度值与阈值相比较，把整个图像的像素分为两类或者以上，从而将图像划分成背景区域和一个或者多个目标区域。

在图像分割之前，难以确定图像中目标区域像素所属的不同灰度值范围的数量，导致难以事先确定图像分割所需阈值的数目，这是阈值分割方法的难点之一。此外，阈值的选取适当与否会直接影响图像分割的精度和图像描述分析的正确性，所以阈值分割方法的另一个难点是如何找到合适的阈值将背景像素和目标像素分开。当图像中含有多个分别属于不同灰度值范围的待分割目标时，需要多个阈值才能取得较好的分割效果，然而找到多个“最优”阈值的组合更加困难，需对其进行优化。早期的阈值优化方法多基于穷举搜索，如最大类间差法(OTSU).但是对于图像的多阈值分割，利用穷举搜索的方法寻找“最优”阈值组合所消耗的时间会随着期望阈值数量的增加呈指数规律增长。……