随着物联网和人工智能技术的快速发展,机器视觉在各行各业中所发挥的作用日益明显,对图像处理技术提出了越来越高的要求。图像分割作为图像处理过程中的一个中间步骤,对图像处理和识别的结果具有重要影响。虽然当前的图像分割方法种类繁多,但阈值法是最经典的一类分割方法,其中大津展之所提出的最大类间方差法（Otsu法）是一种代表性的阈值分割法。Otsu法原理简单、易于实现,已被广泛应用于图像处理领域。但随着所处理的图像日益复杂,Otsu法在分割低信噪比图像时逐渐暴露出各种不足。对此,本文围绕Otsu法这一经典分割算法展开研究。运用集合映射原理对Otsu法的算法本质进行了深入分析,探索了直方图的组成、设计及其划分方式;对图像中噪声的检测与纠正机制进行了初步探讨,研究了算法的复杂度及快速分割方法;以手势图像和脑MR图像为对象,对本文方法的工程实用性进行了检验。本文的具体研究内容如下:1.直线截距直方图Otsu法虽具备较好的分割性能,但其算法效率和抗噪性仍有待改善。对此,在分析直线截距直方图Otsu法集合映射本质的基础上提出了一种基于集合映射与梯形域截距直方图的Otsu法。该方法首先建立映射规则将二维直方图中的像素点映射到不同的梯形域,充分压缩阈值空间而提高算法效率;然后,引入后处理思想对映射规则进行改进,使算法能较好地兼顾抗噪性和细节保持性。实验结果表明,该算法分割效率高,能较好地平衡图像分割过程中的抗噪性和细节保持性。2.传统三维Otsu法的算法复杂度较高,抗噪性有待提高。对此,通过采用一个垂直于主对角线的平面划分三维直方图,设计了一种平面截距直方图并给出了其对应的类间方差准则,从而提出了一种基于平面截距直方图和几何分析的Otsu法。为增强算法的抗噪性,该方法基于几何分析原理对传统三维Otsu法所忽略的区域2-7中的噪声进行了重新归类。测试实验表明,与传统三维Otsu法及其几种改进方法相比,该方法在算法效率和分割效果方面具有明显优势。3.传统截面投影Otsu法后处理过程中的阈值Q为预先设定的常量,对含噪程度不同的图像普适性较差。对此,提出了一种基于记忆分子动理论优化算法的多目标截面投影Otsu法。该方法将阈值Q作为变量,结合分割阈值T,基于最大类间方差和最大峰值信噪比准则建立了多目标图像分割模型,以兼顾图像分割的准确性和抗噪性;为免阈值增加而影响算法效率,将人工记忆原理引入分子动理论优化算法,设计了一种基于记忆分子动理论优化算法的多目标图像分割模型求解方法。实验表明:该方法分割准确、抗噪性强、鲁棒性好,对含不同噪声的图像更具普适性。4.基于改进Otsu法的手势分割方法在抗噪性和分割准确性方面存在不足。对此,我们提出了一种适于手势图像分割的噪声自适应角度阈值Otsu法。该方法设计了灰度级-邻域截尾灰度均值二维直方图,通过舍弃邻域极值以避免极端噪声的干扰;依据像素的实际情况计算其为噪声的概率,实现自适应滤波以增强算法的普适性;将阈值空间转换为0°～89°的角度空间,压缩阈值搜索范围以提高算法效率。鉴于手势与背景接近且边界模糊,首先采用全局Otsu法得到全局阈值t1,然后在[t1,89°]上运用局部Otsu法得到局部阈值t2并据t2分割手势图像。实验表明:该方法的改进措施是有效的,能准确分割含噪情况不同的手势图像。5.Otsu法是脑MR图像分割中的一种常用方法,但当前的Otsu法在分割图像时往往难以兼顾准确性和抗噪性。对此,通过对梯形域截距直方图Otsu法进行改进,提出了一种自适应梯形域截距直方图Otsu法。该方法在双边滤波的基础上通过采用Sigmoid函数识别噪声而自适应地计算邻域像素的权重,进而构建灰度级-自适应权重邻域灰度均值二维直方图以增强算法的抗噪性和细节保持性;采用双层阈值模型,首先基于梯形域截距直方图Otsu法求解宏观阈值T1,然后在T1所对应的梯形域中再次运用类间方差准则确定微观阈值T2,据T2分割图像以提高图像分割的准确性;基于邻域信息设计了一种自适应的参数l以识别和修正噪声,从而增强算法的普适性。测试实验表明,该改进方法是有效的,能较好地应用于脑MR图像分割中。Otsu法是一种经典的图像分割方法,当前仍被广泛研究和应用。本文以此为选题开展深入研究,分析了 Otsu法的原理、本质与不足,提出了 5种改进Otsu法,对手势图像和脑MR图像等工程实践图像都表现了良好的分割性能。可见,本文的相关工作不仅可丰富图像分割算法理论,同时也具备良好的工程应用前景。