1. 直方图双峰法（mode 法）
Prewitt 等人于六十年代中期提出的直方图双峰法(也称 mode 法) 是典型的全局单阈值分割方法。该方法的基本思想是：假设图像中有明显的目标和背景，则其灰度直方图呈双峰分布，当灰度级直方图具有双峰特性时，选取两峰之间的谷对应的灰度级作为阈值。
上图为灰度直方图
算法实现：找到第一个峰值和第二个峰值， 再找到第一和第二个峰值之间的谷值，谷值就是那个阀值了。
2. 固定阈值分割
确定一个阈值，像素大于这个阈值则为前景，小于这个阈值则为背景。
3. 半阈值分割
1 for (int i = 0; i < nWidth; ++i) 2 { 3 for (int j = 0; j < nHigh; ++j) 4 { 5 if (Image[i][j] >= 阈值) 6 { 7 Image[i][j] = 255; 8 } 9 else 10 { 11 Image[i][j] = 0; 12 } 13 } 14 }
4. 迭代阈值图像分割
http://topic.csdn.net/u/20080402/10/d3cb6789-fa60-4758-b232-7a89926f07b9.html
迭代法是基于逼近的思想，其步骤如下：
1． 求出图象的最大灰度值和最小灰度值，分别记为ZMAX和ZMIN，令初始阈值T0=(ZMAX+ZMIN)/2；
2． 根据阈值TK将图象分割为前景和背景，分别求出两者的平均灰度值ZO和ZB
3． 求出新阈值TK+1=(ZO+ZB)/2；
4． 若TK==TK+1，则所得即为阈值；否则转2，迭代计算。
我想问下,ZO和ZB怎么求??
1. 统计图像灰度直方图
2. 找到最大灰度值ZMAX和最小灰度值ZMIN，并计算T0 =(ZMAX+ZMIN)/2
3. 计算小于T0的所有灰度的均值ZO和大于T0的所有灰度的均值ZB（用直方图求就可以）。
例如，你的直方图从10到250有值，则T0 = 260/2 = 130.
1 ZO = Sum(nHist[i] * i) / Sum(nHist[i]); 10 <= i <= 130 2 BO = Sum(nHist[i] * i) / Sum(nHist[i]); 131 <= i <= 250
5. 自适应阈值图像分割
在许多情况下，物体和背景的对比度在图象中不是各处一样的，这时很难用统一的一个阈值将物体与背景分开。这时可以根据图象的局部特征分别采用不同的阈值进行分割。实际处理时，需要按照具体问题将图象分成若干子区域分别选择阈值，或者动态地根据一定的邻域范围选择每点处的阈值，进行图象分割。
1). 大津法(OTSU)
最大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定的方法,又叫大津
法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差
越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2部
分差别变小。因此,使类间方差最大的分割意味着错分概率最小。
对于图像I(x,y),前景(即目标)和背景的分割阈值记作T, 属于前景的像素点数占整幅图像的比例记为ω0,其平均灰度μ0;背景像素点数占整幅图像的比例为ω1,其平均灰度为μ1。图像的总平均灰度记为μ,类间方差记为g。
假设图像的背景较暗,并且图像的大小为M×N,
图像中像素的灰度值小于阈值T的像素个数记作N0,像素灰度大于阈值T的像素个数记作N1,则有:
1 ω0 = N0/ M×N (1) 2 ω1 = N1/ M×N (2) 3 N0 + N1 = M×N (3) 4 ω0 + ω1 = 1 (4) 5 μ= ω0 * μ0 + ω1 * μ1 (5) 6 g = ω0 (μ0 -μ) ^ 2 + ω1 (μ1 - μ)^2 (6)
将式(5)代入式(6),得到等价公式:
1 g = ω0 ω1 (μ0 - μ1) ^ 2 (7)
采用遍历的方法得到使类间方差最大的阈值T,即为所求。
Otus算法使用的是聚类的思想，即把图像的灰度数按灰度级分成2个部分，使2个部分的之间的灰度值差异最大，每个部分之内的灰度差异最小的，找到这样的一个灰度级t划分。通过方差的计算实现，即方差最小的值对应的t即是理想的划分。
http://hi.baidu.com/cwynamespace/blog/item/896ed529955c61f998250a47.html
2). 均值法
思想很简单，就是把图像分成m*n块子图，求取每一块子图的灰度均值(就是所有像素灰度值之和除以像素点的数量)，这个均值就是阈值了。
这种方法明显不比大津法好，因为均值法和大津法都是从图像整体来考虑阈值的，但是大津法找了一个类间方差最大值来求出最佳阈值的；这两种方法子图越多应该分割效果会好一点，但效率可能会变慢。
6. 最佳阈值
阈值的选择需要根据具体问题来确定，一般通过实验来确定。对于给定的图象，可以通过分析直方图的方法确定最佳的阈值，例如当直方图明显呈现双峰情况时，可以选择两个峰值的中点作为最佳阈值。
所谓最佳阈值就是根据一定的方法(例如双峰法)，找出图像中目标与背景的分割最佳阈值就是了。方法多种多样，对不同的图片可以有不同的方法(因为不同的图片有不同的特点)。方法是多种多样的，答案是丰富多彩的。
转自：http://blog.csdn.net/bagboy_taobao_com/article/details/5645425
附：OpenCv中实现了三种跟图像分割相关的算法(http://www.cnblogs.com/xrwang/archive/2010/02/28/ImageSegmentation.html)