1、“.....该方法使目标或背景的像素比例等于其先验概率 来设定阈值，简单高效，但是对于先验概率难于估计的图像却无能为 力。 例如，根据先验知识，知道图像目标与背景象素的比例为,则 可根据此条件直接在图像直方图上找到合适的阈值，使得 的象素为目标的象素为背景。 迭代方法选取阈值 初始阈值选取为图像的平均灰度，然后用将图像的象素点分作 两部分，计算两部分各自的平均灰度，小于的部分为，大于 的部分为 计算,将作为新的全局阈值代替，重复以上过程，如此迭代， 直至收敛，即 经试验比较，对于直方图双峰明显，谷底较深的图像，迭代方法可以 较快地获得满意结果。但是对于直方图双峰不明显，或图像目标和背 景比例差异悬殊，迭代法所选取的阈值不如最大类间方差法......”。

2、“.....图像直方图双峰之间的谷底，应该是比较合理的图像分 割阈值，但是实际的直方图是离散的，往往十分粗糙参差不齐，特 别是当有噪声干扰时，有可能形成多个谷底。从而难以用既定的算法， 实现对不同类型图像直方图谷底的搜索。 和提出可以构造个包含直方图的最小凸多边 形，由集差确定的凹面。若和分别表示与在灰度级之处的高 度，则取局部极大值时所对应的灰度级可以作为阈值。也有人使用 低通滤波的方法平滑直方图，但是滤波尺度的选择并不容易。 但此方法仍然容易受到噪声干扰，对不同类型的图像，表现出不同的 分割效果。往往容易得到假的谷底。但此方法对些只有单峰直方图 的图像，也可以作出分割。如 最大类间方差法 由于年提出的最大类间方差法以其计算简单稳定有 效，直广为使用。从模式识别的角度看......”。

3、“.....为隶属函数窗宽， 对应隶属度为的灰度级。设灰度级的模糊率为 区域内部具有致的属性，而相邻区域布局有这种致属性。这样的 划分可以通过从灰度级出发选取个或多个阈值来实现。 阈值分割法是种基于区域的图像分割技术，其基本原理是通 过设定不同的特征阈值，把图像像素点分为若干类常用的特征包括 直接来自原始图像的灰度或彩色特征由原始灰度或彩色值变换得到 的特征设原始图像为按照定的准则在，中找到特 征值，将图像分割为两个部分，分割后的图像为 若取黑,白，即为我们通常所说的图像二值 化。 原始图像阈值分割后的二值化图像般意义下，阈值运 算可以看作是对图像中点的灰度该点的种局部特性以及该点在 图像中的位置的种函数，这种阈值函数可记作 ， 式中是点，的灰度值，是点，的局部邻 域特性根据对的不同约束，可以得到种不同类型的阈值......”。

4、“.....只与点的灰度值有关 区域相关的全局阈值，与点的灰度值和该 点的局部邻域特征有关 局部阈值或动态阈值，与点的位置 该点的灰度值和该点邻域特征有关 图像阈值化这个看似简单的问题，在过去的四十年里受到国内外 学者的广泛关注，产生了数以百计的阈值选取方法，但是遗憾的 是，如同其他图像分割算法样，没有个现有方法对各种各样的图 像都能得到令人满意的结果，甚至也没有个理论指导我们选择特定 方法处理特定图像。 所有这些阈值化方法，根据使用的是图像的局部信息还是整体信 息，可以分为上下文无关方法也叫做基于点 的方法和上下文相关方法也叫做基于区 域的方法根据对全图使用统阈值还是对不同区 域使用不同阈值，可以分为全局阈值方法和局部 阈值方法，也叫做自适应阈值方法 另外，还可以分为双阈值方法灰度值和该 点的局部邻域特征有关 局部阈值或动态阈值......”。

5、“.....在过去的四十年里受到国内外 学者的广泛关注，产生了数以百计的阈值选取方法，但是遗憾的 是，如同其他图像分割算法样，没有个现有方法对各种各样的图 像都能得到令人满意的结果，甚至也没有个理论指导我们选择特定 方法处理特定图像。 所有这些阈值化方法，根据使用的是图像的局部信息还是整体信 息，可以分为上下文无关方法也叫做基于点 的方法和上下文相关方法也叫做基于区 域的方法根据对全图使用统阈值还是对不同区 域使用不同阈值，可以分为全局阈值方法和局部 阈值方法，也叫做自适应阈值方法 另外......”。

6、“.....该方法使目标或背景的像素比例等于其先验概率 来设定阈值，简单高效，但是对于先验概率难于估计的图像却无能为 力。 例如，根据先验知识，知道图像目标与背景象素的比例为,则 可根据此条件直接在图像直方图上找到合适的阈值，使得 的象素为目标的象素为背景。 迭代方法选取阈值 初始阈值选取为图像的平均灰度，然后用将图像的象素点分作 两部分，计算两部分各自的平均灰度，小于的部分为，大于 的部分为 计算,将作为新的全局阈值代替，重复以上过程，如此迭代， 直至收敛，即 经试验比较，对于直方图我们选择特定 方法处理特定图像。 所有这些阈值化方法，根据使用的是图像的局部信息还是整体信 息，可以分为上下文无关方法也叫做基于点 的方法和上下文相关方法也叫做基于区 域的方法根据对全图使用统阈值还是对不同区 域使用不同阈值......”。

7、“.....也叫做自适应阈值方法 另外，还可以分为双阈值方法和多 阈值方法 本文分三大类对阈值选取技术进行综述 基于点的全局阈值方法 基于区域的全局阈值方法 局部阈值方法和多阈值方法 基于点的全局阈值选取方法 分位数法 年提出的分位数法也称法可以说是最古老的 种阈值选取方法。该方法使目标或背景的像素比例等于其先验概率 来设定阈值，简单高效，但是对于先验概率难于估计的图像却无能为 力。 例如，根据先验知识，知道图像目标与背景象素的比例为,则 可根据此条件直接在图像直方图上找到合适的阈值，使得 的象素为目标的象素为背景。 迭代方法选取阈值 初始阈值选取为图像的平均灰度，然后用将图像的象素点分作 两部分，计算两部分各自的平均灰度，小于的部分为，大于 的部分为 计算,将作为新的全局阈值代替，重复以上过程，如此迭代， 直至收敛......”。

8、“.....对于直方图双峰明显，谷底较深的图像，迭代方法可以 较快地获得满意结果。但是对于直方图双峰不明显，或图像目标和背 景比例差异悬殊，迭代法所选取的阈值不如最大类间方差法。直 方图凹面分析法 从直观上说，图像直方图双峰之间的谷底，应该是比较合理的图像分 割阈值，但是实际的直方图是离散的，往往十分粗糙参差不齐，特 别是当有噪声干扰时，有可能形成多个谷底。从而难以用既定的算法， 实现对不同类型图个部分，分割后的图像为 若取黑,白，即为我们通常所说的图像二值 化。 原始图像阈值分割后的二值化图像般意义下，阈值运 算可以看作是对图像中点的灰度该点的种局部特性以及该点在 图像中的位置的种函数，这种阈值函数可记作 ， 式中是点，的灰度值，是点，的局部邻 域特性根据对的不同约束，可以得到种不同类型的阈值， 即 点相关的全局阈值......”。

9、“.....与点的灰度值和该 点的局部邻域特征有关 局部阈值或动态阈值，与点的位置 该点的灰度值和该点邻域特征有关 图像阈值化这个看似简单的问题，在过去的四十年里受到国内外 学者的广泛关注，产生了数以百计的阈值选取方法，但是遗憾的 是，如同其他图像分割算法样，没有个现有方法对各种各样的图 像都能得到令人满意的结果，甚至也没有个理论指导我们选择特定 方法处理特定图像。 所有这些阈值化方法，根据使用的是图像的局部信息还是整体信 息，可以分为上下文无关方法也叫做基于点 的方法和上下文相关方法也叫做基于区 域的方法根据对全图使用统阈值还是对不同区 域使用不同阈值，可以分为全局阈值方法和局部 阈值方法，也叫做自适应阈值方法 另外，还可以分为双阈值方法灰度值和该 点的局部邻域特征有关 局部阈值或动态阈值......”。