图像分割在图像处理领域是一个热门问题,在医学研究领域有很广泛的应用。学者们提出了很多关于医学图像分割的算法,使得分割效果有了很大改善。然而,由于医学图像存在噪声点、密度不均一、部分容积效应和正常与不正常的密度重叠等问题,一些先进的方法在分割的精度和稳定性方面仍然存在着很大的提升空间。阈值分割技术作为分割算法的一种,它实现简单且分割效果良好,在医学图像、工业检测记忆文本等方面都有着广泛的应用。其中,Otsu算法计算简单而且有着合理的数学分析模型,分割效果良好。近年来,受到了学者们的追捧,从各个方向进行改进。本文在诸多Otsu算法改进的基础上,针对其存在的一些不足,对一维多阈值分割、改进的萤火虫算法、二维多阈值分割进行了深入的思考,并提出了自己的算法,具体的方法如下:(1)本文通过对医学图像以及一维Otsu多阈值的研究,考虑到医学图像具有器官方面的特征,且由于人体密度的原因,医学图像器官形状各异,所以本文将距离这一因素引入到算法当中。本文为了更加精确边缘信息,将用于边缘检测的梯度这一算子作为一个决定分割结果的条件之一。作为阈值分割,把最不可缺少的灰度值作为最重要的影响因子。通过上述的三个因子梯度、距离、灰度赋予它们不同的权值,这三个图像特征信息融合构造出了综合信息灰度直方图。为了实现多阈值自动分割,引入了k-dimensional树(简称k-d树)作为框架来达到快速自动确定阈值个数的目的,进而实现自动多阈值分割。(2)萤火虫算法受自然界中萤火虫通过荧光进行信息交流这种群体行为的启发发展而来。萤火虫算法个体初始化时是随机性的,使得算法可能在寻优过程中过早陷入局部最优或者找到错误的最优解。因此,本文在初始化萤火虫个体时,引入了二维直方图中波谷灰度值。以直方图中某一个位置向下投影得到一个投影圆,然后求出该圆内的波谷,即为萤火虫个体的一个初始化空间位置,依此类推,初始化全部的萤火虫,然后在萤火虫算法的更新函数中加入局部信息,防止过早陷入局部最优。(3)为了进一步提高分割的速度和精度,本文将Otsu算法从一维扩展到二维,提出了一种基于上述改进萤火虫算法的二维Otsu多阈值分割算法。在该算法中,本文引入同一类中灰度值的差异的倒数作为类内凝聚力加入到Otsu目标函数中。类内凝聚力越大,说明当前类内的像素点的值越接近,分割的效果越好。对于一维Otsu多阈值算法,本文对脑部、血管、胃部图像与二维熵多阈值分割、TSMO(Two-Stage Multithreshold Otsu)以及粒子群优化算法和细菌觅食(Bacterial Foraging Algorithm,简称BF)进行了对比实验,实验结果表明本文算法具有良好的分割效果。二维Otsu多阈值分割算法对127幅脑部图像进行了对比试验,根据均匀性测度值、峰值信噪比以及运行时间三个值进行定量分析,并且依据分割结果图进行了描述。