（1）由直方图灰度分布选择阈值
这类方法是最基本的方法，十分简单，但是在算法的改进上面也有大量的论文进行了讨论，这里我主要对原理进行介绍，具体应用是根据需要参考论文即可。
对与灰度图像，利用图像灰度统计信息的方法显示灰度分布，而分割的阈值选择在不同的山谷，一般采用一维直方图阈值化方法。从直方图中选取合适的阈值进行图像分割即可。
（2）双峰法选择阈值
双峰法的原理认为图像由前景和背景或者两族颜色组成，在灰度直方图上，两族颜色像素灰度值的分布形成山峰状态。在双峰之间的最低谷处就是图像分割的阈值所在，根据这一原理可以简单算出阈值，进行图像分割。Show一下直方图即可确定阈值。但是这种方法容易丢失一些图像细节。
（3）迭代法选取阈值
原理如下，很好理解。
迭代法是基于逼近的思想，其步骤如下：
1． 求出图象的最大灰度值和最小灰度值，分别记为ZMAX和ZMIN，令初始阈值T0=(ZMAX+ZMIN)/2；
2． 根据阈值TK???????将图象分割为前景和背景，分别求出两者的平均灰度值ZO和ZB；
3． 求出新阈值TK+1=(ZO+ZB)/2；
4． 若TK=TK+1，则所得即为阈值；否则转2，迭代计算。
（4 ）大津法选择阈值
大津法是属于最大类间方差法，它是自适应计算单阈值的简单高效方法，或者叫（Otsu）
大津法由大津于1979年提出，对图像Image，记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。图像的总平均灰度为：u=w0*u0+w1*u1。从最小灰度值到最大灰度值遍历t，当t使得值g=w0*(u0-u)2+w1*(u1-u)2
大津法的分割效果是最好的一个，可能会有意外的收获。^_^
（5）由灰度拉伸选择阈值
大津法是较通用的方法，但是它对两群物体在灰度不明显的情况下会丢失一些整体信息。因此为了解决这种现象采用灰度拉伸的增强大津法。在大津法的思想上增加灰度的级数来增强前两群物体的灰度差。对于原来的灰度级乘上同一个系数，从而扩大了图像灰度的级数。试验结果表明不同的拉伸系数，分割效果差别比较大。
上面方法基本概括了一些阈值选择的方法，还有一些方法如动态阈值，全局阈值等和基本和上面介绍的方法类似，在具体使用是还需要特别处理。
彩色图像分割
经常需要用彩色空间模型有2种，一种是RGB颜色模型，一般偏向硬件，绝大多数的监视器采用这类模型。另外一种模型是彩色六棱锥空间称为HSL模型，它是从人的视觉系统出发的，更加符合人的视觉特性对于颜色的理解。一般当图像上面有阴影或者光线变化比较大时都选取这种彩色空间对图像进行处理。
注意：颜色处理和显示以RGB模型具有软硬件的可操作性，而颜色控制调节的节律性又依赖于HSL颜色模型。因此。在对图像进行处理和分析时，存在着RGB颜色空间和HSL颜色空间的转换需要。
转换原理：公式变换即可。
常用得方法有:饱和度对比增强法分离不同颜色特征。
关于图像分割还有方法：数学形态学、模式识别得方法等等。
