閾值分割法
閾值分割法分爲全局閾值法和局部閾值分割法。所謂局部閾值分割法是將原始圖像劃分成較小的圖像，並對每個子圖像選取相應的閾值。在閾值分割後，相鄰子圖像之間的邊界處可能產生灰度級的不連續性，因此需用平滑技術進行排除。局部閾值法常用的方法有灰度差直方圖法、微分直方圖法。局部閾值分割法雖然能改善分割效果，但存在幾個缺點：
（1）每幅子圖像的尺寸不能太小，否則統計出的結果無意義。
（2）每幅圖像的分割是任意的，如果有一幅子圖像正好落在目標區域或背景區域，而根據統計結果對其進行分割，也許會產生更差的結果。
（3）局部閾值法對每一幅子圖像都要進行統計，速度慢，難以適應實時性的要求。
全局閾值分割方法在圖像處理中應用比較多，它在整幅圖像內採用固定的閾值分割圖像。經典的閾值選取以灰度直方圖爲處理對象。根據閾值選擇方法的不同，可以分爲模態方法、迭代式閾值選擇等方法。這些方法都是以圖像的直方圖爲研究對象來確定分割的閾值的。另外還有類間方差閾值分割法、二維最大熵分割法、模糊閾值分割法、共生矩陣分割法、區域生長法等等。
對於比較簡單的圖像，可以假定物體和背景分別處於不同的灰度級，圖像被零均值高斯噪聲污染，所以圖像的灰度分佈曲線近似認爲是由兩個正態分佈函數（
）和（
）疊加而成，圖像的直方圖將會出現兩個分離的峯值，如圖五所示。對於這樣的圖像，分割閾值可以選擇直方圖的兩個波峯間的波谷所對應的灰度值作爲分割的閾值。這種分割方法不可避免的會出現誤分割，使一部分本屬於背景的像素被判決爲物體，屬於物體的一部分像素同樣會被誤認爲是背景。可以證明，當物體的尺寸和背景相等時，這樣選擇閾值可以使誤分概率達到最小。在大多數情況下，由於圖像的直方圖在波谷附近的像素很稀疏，因此這種方法對圖像的分割影響不大。這一方法可以推廣到具有不同灰度均值的多物體圖像。
雙峯直方圖
迭代式閾值選擇算法是對上一種方法的改進，它首先選擇一個近似閾值T，將圖像分割成兩部分
和 
，計算區域
和
的均值 
和
，選擇新的分割閾值T=(
)/2，重複上述步驟直到
和
不再變化爲止。