摘 要：自动图像阈值分割技术已经被广泛的应用在图像处理和计算机视觉领域中的目标检测，跟踪和识别上。其中otsu阈值分割算法是一种被广泛使用的分割技术，对于那些直方图呈双峰分布的图像可以得到优秀的分割效果。然而如果直方图是单峰或是有异常数据出现时，传统的otsu阈值分割算法则会发生错误。为改善传统otsu法在处理图像时的计算受噪声干扰严重、实时性差、复杂度高等缺点，本文提出了一种改进的基于中值的otsu阈值分割算法。最后进行的多次测试和实验说明这种改进的方法与传统的60后省委书记
otsu阈值分割算法相比较会得到更加满意的结果。 关键词：图像分割；阈值分割；otsu算法
中图分类号：tp312
在图像处理、模式识别和计算机视觉领域，图像分割对于许多图像分析和处理的任务来说是一个基石。因为人们往往仅对图像中的某些部分感兴趣，所以希望将这些相关区域分离并提取出来以进行进一步的应用，如进行特征提取和测量。图像分割是解决此类问题的方法。图
像分割是把图像分成各具特征的区域并提取出感兴趣目标的技术和过程。图像分割技术是一项计算机领域里的经典的研究课题，计算机视觉中的图像理解包括目标检测、特征提取和目标识别等，都依赖图像分割的质量。
因为分割质量的好坏将直接影响图像处理的后续工作的进行，所以对图像分割的研究一直是图像技术研究中的热点和难点之一。到目前为止已经出现了许多图像分割技术，如：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。其中阈值分割算法是应用在图像分割领域的最流行的技术。阈值分割是最早提出的图像分割方法之一，具有简单、快速的优点。阈值分割算法的基本思想是通过处于图像灰度取值范围之中的灰度阈值将图像划分成不同的区域，从而达到分割的目的，其中最常见的一种方法，是将图像划分为两部分，即前景和背景。阈值分割的关键是阈值的选取。阈值分割算法具有悠久的历史，并广泛应用于图像分析与目标识别等方面。常用的阈值分割算法有最小误差法、最大类间方差法、p-tile云梯杰克逊法、双峰法、灰度直方图凹度分析法、最大熵法与otsu方法等。
>俄国形式主义
