阈值分割法可以说是图像分割中的经典方法，它利用图像中要提取的目标与背景在灰度上的差异，通过设置阈值来把像素级分成若干类，从而实现目标与背景的分离。一般流程：通过判断图像中每一个像素点的特征属性是否满足阈值的要求，来确定图像中的该像素点是属于目标区域还是背景区域，从而将一幅灰度图像转换成二值图像。用数学表达式来表示，则可设原始图像f(x,y),T为阈值，分割图像时则满足下式：
阈值分割法计算简单，而且总能用封闭且连通的边界定义不交叠的区域，对目标与背景有较强对比的图像可以得到较好的分割效果。但是，关键问题来了，如何获得一个最优阈值呢？？？？？
以下是几种最优阈值的选择方法：
（1）人工经验选择法：
也就是我们自己根据需要处理的图像的先验知识，对图像中的目标与背景进行分析。通过对像素的判断，图像的分析，选择出阈值值所在的区间，并通过实验进行对比，最后选择出比较好的阈值。这种方法虽然能用，但是效率较低且不能实现自动的阈值选取。对于样本图片较少时，可以选用。
（2）利用直方图
利用直方图进行分析，并根据直方图的波峰和波谷之间的关系，选择出一个较好的阈值。这样方法，准确性较高，但是只对于存在一个目标和一个背景的，且两者对比明显的图像，且直方图是双峰的那种最有价值。
（3）最大类间方差法（OTSU）
OTSU是一种使用最大类间方差的自动确定阈值的方法。是一种基于全局的二值化算法，它是根据图像的灰度特性,将图像分为前景和背景两个部分。当取最佳阈值时，两部分之间的差别应该是最大的，在OTSU算法中所采用的衡量差别的标准就是较为常见的最大类间方差。前景和背景之间的类间方差如果越大，就说明构成图像的两个部分之间的差别越大，当部分目标被错分为背景或部分背景被错分为目标，都会导致两部分差别变小，当所取阈值的分割使类间方差最大时就意味着错分概率最小。
