图像分割是图像处理与计算机视觉领域低中最基础和重要的领域之一,是图像进行视觉分析和模式识别的基本前提。阈值法因其实现简单而成为一种有效的图像分割方法,但它的高耗时性一直是研究和应用的障碍,因此寻找一种高效的算法来解决基于阈值化的图像分割具有重大的意义。粒子群优化算法是一种新出现的全局智能优化算法,因算法简单性和高效性,受到广泛的关注,该算法已经成功的运用到很多领域并取得了很好的效果。本文基于图像处理的相关理论,对粒子群优化算法与阈值化图像分割方法相结合进行深入研究,并把研究成果应用到自动卡把检测系统的图像处理过程中,取得了一定的实效性。本文主要的研究工作如下:(1)研究和分析了图像分割和粒子群优化算法的理论及进展,讨论了粒子群算法与阈值化图像分割方法相结合的思想,提出了一种基于改进粒子群优化算法的二维Otsu分割方法,并通过实验证明其算法的实效性。(2)研究如何利用图像处理的知识和计算机处理技术,设计了卡把在线检测系统的图像处理过程,比较完整的介绍了该系统的预处理,定位、校正、图像分割、特征提取和印章统计等功能模块。通过对彩色图像的色彩分析,提出了一种特殊的预处理方法,用数学形态学对图像进行滤波,利用R、G、B分量之间的差值对图像进行色彩转换,利用阈值法对图像二值化,利用几何特征进行区域定位和校正,这种预处理方法解决了如何在卡把系统复杂背景和强烈干扰的图像中搜索目标的问题。(3)通过对彩色图像分割的方法研究和色彩空间分析,提出了一种基于HSI空间下的阈值化图像分割。实验证明,本文提出的图像分割方法在卡把在线检测系统能够达到实用要求,解决了利用人工进行卡把检测所带来的问题,提高了工作效率。