图像分割是数字图像处理及其应用中关键的一步，一直以来都是研究的重点。例如对目标物体进行识别时，图像分割在图像识别预处理过程中是重要步骤，分割效果的好坏将对识别的准确率有直接的影响。基于阈值的图像分割方法是一种计算相对简单，运算效率相对较高，并且对于目标像素与背景像素灰度级分布不同的图像非常有效的分割方法。由此，近些年图像阈值分割得到了国内外专家学者的很大关注。本文将对基于阈值的图像分割方法继续进行研究与探索，主要研究成果如下：本文针对二维Otsu算法因区域误分而产生的抗噪性差和计算量较大这一问题，提出了一种基于二维直方图重建的二维Otsu图像分割算法，给出了算法的分割结果和运行时间，并与二维Otsu算法、二维Otsu快速算法、二维Otsu分解算法进行了对比。实验效果表明，该算法抗噪性更强，并且分割效果比前几种分割方法分割效果更好，是一种有效、可行的图像分割算法。传统的基于图谱理论的阈值分割方法中存在以下不足之处：1、图权计算方法仅考虑了图像的灰度特征及空间位置特征，而没有将像素点的灰度特征与它的邻域像素的相关性程度考虑进来，导致其对于噪声十分敏感；2、整幅图仅采用一个阈值，导致一些弱边界存在错分的情况。Miao等对上述方法进行了改进，能克服一些噪声的影响，但是分割效果并不理想。针对以上不足，本文提出了基于分块及改进图谱理论的阈值分割方法：先应用信息熵对图像进行分块，再引入了新的邻域窗口权重计算方法，得到中心点邻域内各点各向异性的权重以更新中心点的像素值，用于计算权值矩阵，最后应用图谱阈值分割方法对图像进行分割。实验结果表明该方法抗噪性更强，分割精度较高，分割速度有明显提高。