图像分割是图像处理与机器视觉的一个重要环节,图像分割方法的好坏对整个过程的实时性和可靠性起着决定性作用。近几十年来,人们一直在寻找不同的图像分割方法,以解决各种工程问题。通过分析研究基于阈值的Otsu算法和基于图论的Grab-Cut算法,针对这两种算法的不足,本文提出了四种改进算法。针对2维Otsu算法在分割质量、抗噪性能和运行速度方面的不足,本文提出了一种基于边缘检测与Otsu的图像分割算法。该算法通过更改2维直方图的区域划分方式,分别运用Sobel、Log和Canny边缘检测算法与直线拟合法相结合,将图像的目标和背景区域限制在一对平行于对角线的界线内,再用噪声点的邻域均值代替其灰度值,最后用2维Otsu斜分法将目标从背景中分割出来。实验结果表明,与现有算法相比,该算法不仅运算时间较短,而且具有较好的分割质量、抗噪性能和自适应能力。为了进一步提高2维Otsu算法的运行速度,本文提出了一种基于双界线的2维Otsu阈值理论及其快速算法。该算法首先引入Roberts边缘检测算法对2维直方图进行分区,分区方式与上一种算法相同,然后将双界限之间的区域构造成一个1维直方图,用1维Otsu算法分割,最后对噪声进行后处理。实验结果表明,该算法不仅具有较好的分割质量和抗噪性能,而且比上一种算法的运行速度更快。为了改善2维Otsu算法对光照不均的图像的分割质量,本文提出了一种基于双截距直方图的Otsu图像分割法。该算法通过Sobel边缘检测算法获取所有噪声和边缘点,并将噪声和边缘点替换为目标或背景像素;然后根据图像灰度分布情况将图像进行区域划分;再将所有区域归为两类,获取两类的直线截距直方图;最后采用改进的1维Otsu算法进行分割。实验结果表明,该算法不仅具有较好的抗噪性能和较快的运行速度,而且适用于分割光照不均的图像。针对Grab-Cut算法运行速度慢、对目标具有凹形或细长边缘的图像分割质量不佳且需要人工交互这些问题,本文提出了一种基于显著性的无交互Grab-Cut算法。该算法首先采用SLIC算法对图像进行超像素分割,然后运用基于边界先验和关键区域聚焦的显著性检测算法获取显著图并提取背景种子,最后在Grab-Cut算法的能量函数中引入基于显著图的自适应权重系数,运用Min-Cut/Max-Flow算法对图像进行迭代分割。实验结果表明,该算法在运行速度和分割质量上都得到了改善,并实现了无交互性。