图像分割是计算机视觉领域的一个重要而且基本的问题,尤其在图像处理、分析和理解等领域中是一项关键技术。图像分割是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程,是从图像处理到图像分析的一个关键步骤,在图像工程中占有非常重要的位置。分割结果的好坏将直接影响到视觉系统的性能。所以对图像分割的研究一直都是图像技术研究中的热点和焦点之一,故图像分割的算法层出不穷,而且已经在诸如计算机视觉、模式识别和医学图像处理等实际中得到了广泛的应用。阈值图像分割方法是常用的图像分割方法。它通过选取阈值将图像分为目标和背景,关键技术是阈值的选取。最大类间方差(简称Otsu)法是常用的阈值图像分割方法之一,基于直方图,即通过考虑图像的灰度信息选取阈值。但是当图像变得复杂时,如一些图像信噪比低,灰度差异不明显,目标面积小等(其直方图表现为双峰差别大,甚至单峰),该方法就难以取得较好的分割效果,算法效率下降甚至产生分割错误。故本文研究了以Otsu理论为基础的,在图像分割中新兴的遗传算法,重点研究了结合遗传算法和Otsu法的灰度图像分割方法。利用Otsu算法不仅考虑图像的灰度信息,还考虑领域空间的相关信息的特点来保证图像分割精度,利用遗传算法大大提高运算速度。本文对该算法的有效性进行了实验,在编程设计中,引入了自适应方法选取算子,进一步提升了精度,并实际地进行了灰度图像的分割。记录了实验结果。该方法是对现有图像阈值分割法的一种补充,试验结果表明,该算法可行、可靠,达到了理想的分割效果,实现了比传统方法更快速、稳定的图像分割。在图像处理领域具应用潜力。