图像分割技术是图像处理领域中非常基础和重要的内容，也是计算机与机器视觉研究领域基本与关键的步骤，它的核心内容在于根据一定准则把图像划分成若干相同性质的类别并抽取感兴趣的部份，分割结果的准确度将影响到后续工作诸如图像分析、图像理解的进行，可见，图像分割有着广泛和重要的应用价值。阈值分割方法在众多的图像分割方法中是应用和研究得最多的一种，其通过结合图像已有直方图信息，以一定的阈值准则来获得用于分割的最佳阈值，它具有算法原理简单，运算速度快且分割效果好的特点。本文从图像阈值分割角度出发，在回顾和总结现有一定数量科研成果的基础上，对阈值分割法进行了一些相应研究，主要包括以下几个方面的内容：文章首先介绍了课题的研究背景和意义，并对阈值分割这个领域的国内外研究现状进行了概括性介绍，然后再介绍了图像分割的一些基本理论知识，包括图像分割的定义、典型的分类方法，几种经典的阈值分割算法、图像分割的质量评价，还有一维与多维直方图的概念。最小类内平均中值离差法(MAD法)是经典的Otsu阈值法一种很好的推广算法，它能有效克服灰度图像在直方图呈重尾分布或偏斜分布时Otsu法出现阈值偏移的问题，然而对于一些低信噪比、低对比度、边缘模糊或是目标与背景相差很大的红外图像，因灰度直方图呈现不出一定的规律，利用MAD法获得的分割结果往往也效果不佳，针对此问题这里提出一种二维最小类内平均中值离差法(二维MAD法)，该算法基于上述红外图像二维直方图能呈现出重尾分布或双峰相差很大的特点，利用MAD阈值准则推广所得的二维MAD阈值准则求取最佳阈值向量来分割图像，为加快运算速度还给出了二维MAD法的分解降维算法。最大散度差法(又称MSD法)是经典的Otsu法一种很好改进算法，然而同其他阈值算法一样，当图像受到外界噪声影响或在不均匀光照的情况下，一维MSD法很难取得好的分割效果，为此本文提出一种二维斜分MSD阈值算法，该方法为相应一维算法的推广，为加快计算速度文中给出了其快速算法，同时还分析和总结了改变阈值准则中的参数C对二维直方图区域划分的变化规律。针对二维阈值分割算法关于阈值分割输出函数方面的研究较少的现状，给出一种新阈值分割输出函数以及对应的直方图区域叉分法，该方法利用两条经过阈值向量点的直线来划分二维直方图区域，这两条直线与灰度级轴的所成夹角分别为α和β，就不同阈值分割输出函数对应的区域划分对图像分割结果的目标和背景内部的一致性、边缘轮廓准确性及抵抗噪声能力存在的差别，将提出的叉分法和现有几种常见的区域划分法，包括直分法、斜分法和θ-划分法进行了详细比较，在实验结果部分还就叉分法相关参数α、β的变化对分割结果的目标和背景内部均匀性、边缘形状准确性及抗噪声能力的影响作了规律总结。最后，总结并展望了二维阈值图像分割。