1．2 图像二值化分割批处理
在进行减背景运算后，噪声方差由σ2降为1／Mσ2，均方差降为原来的根号1/M差值图像就只含有目标和能量减少后的噪声，更利于图像分割。
1．2．1 基于直方图的OTSU最大类问方差法
OTSU最大类间方差法是在最小二乘法原理的基础上推导得出的。它通过利用直方图零阶、一阶累积矩来最大化判别函数，选择最佳阈值。设输入图像为f（x，y），二值化后的图像为g（x，y），阈值为T，那么图像二值化过程如下：
计算输入图像灰度级的归一化直方图，用h（i）表示。
计算灰度均值μT：
这样可以简单快速的分割出只含目标和能量减少的噪声的差值图像。
1．2．2 自适应阈值分割方法
对于复杂图像，背景的灰度值并不是常数，物体和背景的对比度在图像中也有变化。这时，一个在图像中某一区域效果良好的阈值在其他区域可能效果很差。当图像中有阴影、背景灰度变化时，只用一个固定阈值对整幅图像进行阈值化处理，则会由于不能兼顾图像各处的情况而使分割效果受到影响。因此对于分割复杂图像，要充分考虑图像局部区域特性，将阈值选取成一个随图像中位置变化的函数值是比较合适的，这就是自适应阈值。
自适应阈值的原理是将原始图像分为几个子图像，对每一个图像分别求出最优分割阈值。常用的方法有：
Chow和Kandeko将图像均匀划分成若干不相重叠的7×7子图像，对每个具有双峰直方图的子图像用最小误差法确定阈值，而对于具有单峰直方图的子图像，由内差得到分割阈值。
