图像分割是数字图像处理中非常重要的环节,作为图像识别,分析和研究的重要依据,分割结果将直接影响后续研究处理过程。在现有的分割方法中,阈值分割因其简单,高效,易于学者理解而得到广泛应用。因此,确定最佳阈值是阈值分割的关键。在这方面,国内外学者进行了广泛的研究,并提出了大量的阈值分割方法。由于Otsu方法应用范围广,分割效果好,实现简单易行,已成为最广泛使用的阈值分割方法。由于现有的图像阈值分割算法存在着各种不足,本文采用了新的图像阈值分割算法——最优进化算法(Optimal Evolution Algo,OEA)来进行图像阈值分割,再运用该算法进行三维图像阈值分割的研究与实验。根据生物进化论和遗传算法现有的理论进行寻优改进,对种群进化模型、阈值更新模型进行改进。由于一维Otsu法只考虑了像素灰度信息,忽略了像素间的空间相关性,因此存在一定不足,比如抗噪性较差等;二维最大熵法在原有一维法当中,考虑了了邻域均值的信息,对图像分割结果所改善,但因为该方法在阈值计算过程中将有用区域出现的概率假设为1,这个假设就造成了图像信息的丢失比较严重,导致图像细节分割不够准确;二维Otsu法采用了后续处理方案来改进了这个不足,使得算法分割性能较强,但在纠正误分割的过程中也造成了图像部分重要细节的丢失;本文方法基于三维直方图确定最佳阈值,算法分割性能较强,由于不存在计算复杂的问题,图像的细节相对更为丰富。实验结果表明,本文方法分割性能较强,分割结果能较好地保留了图像的重要细节,因而从不同角度验证了该方法的优越性和可行性。