图像分割是图像处理领域非常重要的课题.在图像分割领域,遗传算法常用来帮助确定分割阈值,遗传算法作为一种优异的全局搜索的优化方法得到了广泛应用.然而在实际应用中也存在一些需要改进之处:无法保证收敛到全局最优解、群体中最好个体的丢失、进化过程的过早收敛等.为有效解决以上问题,将遗传算法与免疫机理结合起来考虑,在遗传算法的框架上,引入免疫调节机制,得到更有效的优化算法。 本文提出的免疫遗传分割算法充分考虑了图像数据本身的特殊性,为了提高在图像中背景提取的速度,以及实现灰度图像地自动分割,针对大多数图像分割方法计算量很大的特点,在图像分割中引入免疫遗传算法。而在图像阈值选取中,最小误差分割法受目标函数和噪声影响小,对小图像分割效果好.利用免疫遗传算法优化最小误差法来获取最佳阈值,从提高全局搜索能力和收敛速度出发,加入了免疫浓度调节策略.改进的算法的收敛速度大大提高；在形成新种群阶段引入新的算子避免了局部早熟,提高了全局收敛能力.图像分割的效果和速度也得到了提高,性能也更加稳定.仿真实验证明了该算法对复杂图像的良好分割效果和较强的实时处理能力. 基于所提出的改进算法,在matlab7.0.1环境下编写了全部算法程序,并选择大量图像处理领域中经典的灰度图像,实际拍摄的图片以及网上收集的图片进行仿真分割实验,实验结果证明经过改进的免疫遗传算法用于图像分割取得了满意的效果.