1、“..... 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 ，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 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......”。

2、“.....对不同类型的图像，表现出不同的 分割效果。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。，也叫做自适应阈值方法 另外，还可以分为双阈值方法和多 阈值方法做基于区 域的方法根据对全图使用统阈值还是对不同区 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。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 像都能得到令人满部分内容简介灰度值和该 点的局部邻域特征有关 局部阈值或动态阈值部分内容简介灰度值和该 点的局部邻域特征有关 局部阈值或动态阈值......”。

3、“.....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......”。

4、“.....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。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......”。

5、“.....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，最佳阈值应当产生最佳的 目标类与北京类内学者 发表的种模糊阈值方法 隶属度表示灰度具有明亮特性的程度......”。

6、“..... 对应隶属度为的灰度级。设灰度级的模糊率为 ， 则得到整幅图像的模糊率 其中，为图像尺寸，为图像总灰度级，图像中灰度为的象素 个数。 对应于不同的值，就可以计算出相应的图像模糊率，选取使得最 小的值，作为图像分割的最佳阈值即可。小结 对于基于点的全局阈值选取方法，除上述主要几种之外还许多，但大 多都是以上述基本方法为基础，做出的改进方法或者对算法的优化， 如使用递推方法以降低算法复杂性。 例如在文献中，提出种使目标和背景差距最大的阈值求取方 法，类似于最大类间方差阈值法。是它的种简化算法。 又如年等人提出了均匀化误差阈值选取方法，这种方 法实质上是要使将背景点误分为目标点的概率等于将目标点误分为 背景点的概率。类似于最小误差阈值法。 近年来有些新的研究手段被引入到阈值选取中。比如人工智能，在 文献中......”。

7、“.....寻找直方图的谷底点， 作为全局阈值分割。其它如神经网络，数学形态学，小波分 析与变换等等。 总的来说，基于点的全局阈值算法，与其它几大类方法相比，算法时 间复杂度较低，易于实现，适合应用于在线实时图像处理系统。由于 我的研究方向为机器视觉，所作的项目要求算法具有良好的实时性， 因此针对基于点的全局阈值方法，阅读了较多的文献，在综述里叙述 也相对比较详细。基于区域的全局阈值选取方法 对幅图像而言，不同的区域，比如说目标区域或背景区域，同区 域内的象素，在位置和灰度级上同时具有较强的致性和相关性。 而在上述基于点的全局阈值选取方法中，有个共同的弊病，那就是 它们实际上只考虑了直方图提供的灰度级信息，而忽略了图像的空间 位置细节，其结果就是它们对于最佳阈值并不是反映在直方图的谷点 的情况会束手无策......”。

8、“..... 另方面，完全不同的两幅图片却可以有相同的直方图，所以即使对 于峰谷明显的情况，这些方法也不能保证你得到合理的阈值。于是， 人们又提出了很多基于空间信息的阈值化方法。 可以说，局域区域的全局阈值选取方法，是基于点的方法，再加上考 虑点领域内象素相关性质组合而成，所以些方法常称为二维 方法。由于考虑了象素领域的相关性质，因此对噪声有定抑止作 用。 二维熵阈值分割方法 使用灰度级局域平均灰度级形成的二维灰度直方图进行阈值选 取，这样就得到二维熵阈值化方法。 二维灰度直方图灰度领域平均灰度 如图，在区和区，象素的灰度值与领域平均灰度值接近，说明 致性和相关性较强，应该大致属于目标或背景区域区和区致 性和相关性较弱，可以理解为噪声或边界部分。二维熵阈值分割，就 是选择，对，使得目标类和背景类的后验熵最大......”。

9、“.....可参见上节 ，和结合和的方法，分别提出了各自的 二维熵阈值化方法，其准则函数都是使目标熵和背景熵之和最大化。 的方法则是使这两者中的较小者最大化，该方法的计算复杂 度为，后来有人改进为递推快速算法将时间复杂度降为其中为最 大灰度级数。简单统计法 等人，提出种基于简单的图像统计的阈值选取方法。 使用这种方法，阈值可以直接计算得到，从而避免了分析灰度直方图， 也不涉及准则函数的优化。该方法的计算公式为 其中， 因为，表征了点，领域的性质，因此本方法也属于基于区域 的全局阈值法。直方图变化法 从理论上说，直方图的谷底是非常理想的分割阈值，然后在实际应用 中，图像常常受到噪声等的影响而使其直方图上原本分离的峰之间的 谷底被填充，或者目标和背景的峰相距很近或者大小差不多，要检测 他们的谷底就很难了......”。