在数字图像分析与处理中，一幅图片通常含有人们感兴趣的和不感兴趣的两部分。为了提取或突出人们感兴趣的目标，常用的方法就是对图像进行二值化分割，将图像处理成一幅黑白的二值图，不仅能将有效目标进行突出而且能对无用的信息进行去除。对于一幅光照均匀且目标与背景差别较大的图像来说，常用的全局二值化方法就能有效地进行二值化分割。然而在实际的工业应用中，由于现场光照条件或环境限制，人们拍摄得到多为光照不均匀且目标较背景差别较小的弱目标图像，传统的全局二值化法分割这些图像则失效。针对光照不均匀条件下图像的二值化问题，国内外许多学者根据应用环境提出了很多解决方法，主要的方法有对图像进行分块处理法、对图像背景光照进行处理法、经典的局部阈值法等方法。经过实验，发现目前传统的方法对光照不均匀的弱目标图像处理效果并不理想，存在较多缺点如：目标与背景分离不完全或者有效目标丢失、处理效率低等问题。本论文在综述目前图像二值化方法的基础上，针对一类光照不均匀弱目标图像的二值化问题，提出一种逐列处理及改进OTSU的二值化方法。通过分析该类图像上不均匀光照的分布特点，首先采用传统OTSU方法获取图像各列的初始二值化阈值；然后根据各列光照强度提出一种对该列初始二值化阈值进行自适应调整的方法，并给出解析表达式以便计算各列阈值的自适应调整量；之后，鉴于自适应阈值调整量计算公式中有需人为确定参数的问题，本文进而提出一种基于模板匹配算法的改进OTSU二值化方法，对所提自适应二值化阈值调整量计算公式中的参数进行自动计算，从而得出该类不均匀光照图片各列二值化阈值的自适应调整量，实现对初始二值化阈值的优化调整。本文最后使用一组缺陷钢坯图片对所提二值化改进算法进行验证，给出了实验结果并与其它经典二值化方法的处理效果进行了对比，证实了所述方法的有效性。