在数字图像处理中，图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。目前图像分割技术已被广泛应用于很多的领域，如工业自动化，在线产品检验，生产过程控制，文档图像处理，遥感和生物医学图像分析，保安监视，以及军事，体育，农业工程等方面。基于阈值选取方法的图像分割方法，因其计算简单，具有较高的运算效率、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术，但是方法选取直接影响到图像分割的质量。 本文针对前人在基于阈值选取的图像分割算法及其应用中的一些特点展开了研究与探讨工作，主要的工作分为以下两个部分： 1) 研究了Parzen-window非参数函数估计方法的原理，并深入分析了基于熵原理的阈值分割算法，将Parzen-window方法与熵的原理结合起来，构造了基于Parzen-window与熵的目标函数，并提出了一种基于Parzen-window法和熵的图像分割阈值选取新方法PWET。通过和传统的KSW熵方法的比较，表明此方法对图像阈值分割的有效性。 2) 提出了一种基于Parzen-window方法的图像分割阈值选取新方法PWT。该方法利用了图像象素的坐标空间信息，并结合图像的统计直方图信息，用Parzen-window方法估计出图像灰度值的空间概率分布密度函数，并构造了新的目标函数。通过和传统的OTSU方法、最小误差法(简记作MET方法)和KSW熵方法比较，表明此方法对图像分割精度非常高，且适应性强。