1、圖像分割是數(shù)字圖像處理及其應用中關鍵的一步，一直以來都是研究的重點。例如對目標物體進行識別時，圖像分割在圖像識別預處理過程中是重要步驟，分割效果的好壞將對識別的準確率有直接的影響?；陂撝档膱D像分割方法是一種計算相對簡單，運算效率相對較高，并且對于目標像素與背景像素灰度級分布不同的圖像非常有效的分割方法。由此，近些年圖像閾值分割得到了國內(nèi)外專家學者的很大關注。本文將對基于閾值的圖像分割方法繼續(xù)進行研究與探索，主要研究成果如下：
　

2、　本文針對二維Otsu算法因區(qū)域誤分而產(chǎn)生的抗噪性差和計算量較大這一問題，提出了一種基于二維直方圖重建的二維Otsu圖像分割算法，給出了算法的分割結果和運行時間，并與二維Otsu算法、二維Otsu快速算法、二維Otsu分解算法進行了對比。實驗效果表明，該算法抗噪性更強，并且分割效果比前幾種分割方法分割效果更好，是一種有效、可行的圖像分割算法。
　　傳統(tǒng)的基于圖譜理論的閾值分割方法中存在以下不足之處：1、圖權計算方法僅考慮了圖像的灰

3、度特征及空間位置特征，而沒有將像素點的灰度特征與它的鄰域像素的相關性程度考慮進來，導致其對于噪聲十分敏感；2、整幅圖僅采用一個閾值，導致一些弱邊界存在錯分的情況。Miao等對上述方法進行了改進，能克服一些噪聲的影響，但是分割效果并不理想。針對以上不足，本文提出了基于分塊及改進圖譜理論的閾值分割方法：先應用信息熵對圖像進行分塊，再引入了新的鄰域窗口權重計算方法，得到中心點鄰域內(nèi)各點各向異性的權重以更新中心點的像素值，用于計算權值矩陣，最后