图像分割是图像处理中的经典问题,是图像识别与特征提取等领域的基础技术,也是图像分析和图像理解中必不可少的环节。它是根据一定准则将图像中人们想要提取的部分分割出来的技术。分割在同一区域的部分具有相似性,而不同区域之间具有相异性。分割图像的结果是否准确将会影响后续图像处理工作。因此,图像分割有着重要的理论和实际的意义。阈值分割算法是图像分割方法中应用广泛和研究较多的算法,具有计算量小,算法简单且图像分割效果好的特点,结合图像的直方图信息,以一定的阈值准则来获得分割最佳阈值的图像分割方法。论文主要内容有:首先概述了课题的研究背景和意义,并对国内外图像分割的研究现状进行了大致介绍,再介绍了图像分割的一些基本理论知识,包括图像分割的定义、典型的分类方法,几种经典的阈值分割算法、图像分割的质量评价。在此基础上简述了一维与二维直方图的概念。二维灰度直方图考虑图像的信息比一维直方图多,在考虑图像像素灰度值的同时,考虑了像素的邻域空间信息,能得到好的分割结果,但增加了算法的复杂性。然后为了提高图像在受到高斯噪声影响下的分割效果,针对传统的二维直方图灰度-平均灰度法,平均灰度-梯度法,二维OTSU斜分法等方法一致性低、对比度低和分割不够准确的情况,提出一种改进的二维直方图灰度-局部方差的方法。局部方差不仅综合考虑了各像素点与中心像素点数据的离散程度,而且降低了图像受噪声干扰的影响。为了提高分割速度减少计算量使用了快速递推算法。最后对群智能算法进行了简述,分别介绍了蛙跳算法,蚁群算法,人工鱼群算法以及粒子群算法。提出了中值粒子群二维阈值分割法,并同基本粒子群二维阈值法和改进的粒子群二维阈值法进行比较,通过仿真实验的比较结果证明,中值粒子群二维阈值法是一种更快找到阈值的方法。最后,总结并展望了二维阈值图像分割。