图像分割技术是图像工程领域的基础研究内容,对图像的分析、理解有着极其重要的影响。阈值分割算法在图像的灰度直方图信息的基础上,通过阈值准则选取最佳阈值,是一种简单快速有效的分割方法,在图像分割领域应用最为广泛。最小误差法是基于模版匹配的思想提出的一种经典的阈值分割方法,图像中目标与背景比例大小对分割结果的影响较小,图像分割质量优于最大类间方差法和最大熵法。但当数字图像实际的直方图分布与混合高斯分布模型相差太大时,分割结果出现阈值偏移,分割准确度将会降低;传统的二维最小误差法,由于对噪声的抑制能力有限,对低信噪比图像的分割效果较差。结合现有的阈值分割研究成果,对最小误差法进行一些研究与改进,主要内容包括以下几个方面:(1)提出一种基于平均中值离差的二维最小误差法。对像素点邻域灰度信息而言,平均中值离差中的中值信息是比方差中的均值信息更为鲁棒的估计量,使用平均中值离差作为离散测度,能更好的抑制图像中的噪声;根据二维直方图模型中噪声点与目标背景类的先验知识,将二维算法分解为两个一维算法,提高了计算速度,对直方图分布呈现出重尾分布和偏斜分布的图像分割效果较好。(2)传统的二维直方图区域划分一般采用直分法,在对图像分割过程中容易丢失目标和背景之间的边缘信息。提出斜分的基于平均中值离差的二维最小误差法,利用斜分法能较完整保留图像目标与背景类边缘信息的优点,获得较好的分割效果;提出一种结合邻域均值灰度—邻域中值灰度的二维直方图模型的阈值分割算法,该分割算法结合了像素点邻域中值灰度信息与邻域均值灰度信息,对高斯噪声和椒盐噪声组成的混合噪声具有较好的抑制效果。(3)在实际应用中,由于获取的图像光照不均匀而无法利用全局阈值分割算法对图像进行有效分割,结合数值形态学知识,提出与数值形态学相结合的基于平均中值离差的二维最小误差法,通过数值形态学的前期处理来均衡图像光照,对光照不均匀的图像分割有一定的改善作用。