该文将遗传算法用于Otsu法和KSW熵法两种图像阈值分割方法中，进行了针对图像分割的遗传程序所需的参数设计，井采用遗传算法实现单闽值和多阈值图像分割。

基于matlab的阈值分割的车牌定位识别，对采集到的图像进行灰度变换、边缘检测、腐蚀及平滑等过程，并由此的都一种基于车牌颜色纹理特征的车牌定位方法，使用模版匹配的方法，对输出的字符图像和模板库里的模版进行匹配以得到对应车牌字符的具体信息

MFC基于opencv对图片进行边缘检测，包括Sobel算子，Laplacian算子，迭代阈值分割算法，区域生长算法

针对目前图像模糊阈值分割法所存在的窗口宽度自动选取困难的问题, 在预先给定隶属函数和图像像素类别数的情况下, 提出了图像模糊阈值分割法的自适应窗宽选取方法. 同时,针对用模糊阈值方法难于分割的具有单峰或双峰差别很大的直方图的图像, 提出了一种直方图变换方法, 对变换后的直方图, 利用自适应模糊阈值分割法可以获取有效的分割. 最后, 算例表明了文中所提方法的简洁性、有效性和很好的鲁棒性.

Otsu算法，也被称之为最大类间方差算法，是实现阈值分割的经典算法之一。二维Otsu算法是一维Otsu算法的推广，它充分考虑了图像的灰度信息和空间邻域信息，可以有效滤除噪声影响，但是同样存在着运算量大、时效性差的问题。对此提出了一种改进的二维Otsu快速阈值分割算法，先将二维Otsu算法分解为两个一维Otsu算法，并集成类间和类内方差信息构造了一种新的阈值判别函数，同时通过降维，进一步降低计算量。实验结果表明，该算法在时间效率与分割效果两方面明显优于传统的二维Otsu算法与快速二维Otsu算法。

针对不均匀光照条件下球体识别误检率问题。充分利用球体的颜色和形状信息。对彩色图像经过图像增强预处理后，通过基于HSV彩色空间模型阈值分割的方法，对球体颜色进行识别。将图像转为灰度图像后，通过自适应阈值分割的方法有效地去除了不均匀光照条件对图像分割的影响。在使用Candy边缘检测算法对边缘进行提取后通过基于霍夫变换找圆的方法找出球体的圆。最终经过两个先验信息特征量的交叉匹配，确定目标球体。实验表明该算法有效提升了不均匀光照条件下球体目标识别的准确率。

二维最大熵原理的图像阈值分割算法,一种利用二维最佳直方图熵法（KSW熵法）及改进遗传算法实现灰度图像阈值分割

最简单的直方图，阈值分割法，直接根据图像的直方图自动获取最佳阈值进行分割！

本程序通过采集的车牌图像进行灰度变换，边缘检测，腐蚀和平滑等处理过程，得到一种基于车牌颜色纹理特征的车牌定位方法，最终实现车牌区域定位和数字识别。本程序由matlab编写，有详细的代码和配套图片，可以直接运行。

可完整运行，有gui界面。