图像分割是根据图像的某些特征或特征集合的相似性准则，对图像像素进行分组聚类，把图像平面划分为一系列“有意义”的区域，使其后的图像分析及识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息。在信息理论中，熵用于度量信息传输的有效性。 本论文主要讨论针对数字图像利用信息熵标准结合阈值迭代法进行图像分割，以提高图像分割的准确性。设计信息熵算法并程序实现，仿真结果表明编写程序有效，分割效果明显。

大津法和迭代法动态求图像阈值进行图像分割 的Matlab代码。

改进的二维最小交叉熵阈值分割快速迭代算法

一个比较好的程序，MATLAB自适应阈值分割方法

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！ 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！

针对复杂运动背景中慢速小目标检测误检率高，实时性差等问题，提出了基于自适应阈值分割的慢速小目标检测算法。首先计算连续两帧图像特征点的金字塔光流场，对光流场进行滤波，获取匹配特征点集合。然后对图像运动背景进行建模，拟合投影模型参数，通过投影模型得到运动背景补偿图像，进行图像差分处理，获得差分图像。最后迭代计算差分图像的自适应阈值，修正差分阈值，差分图像二值分割，检测出运动目标。实验结果表明算法能够准确地检测出复杂背景中的慢速小目标，虚警率为2%，目标漏检率为2.6%，目标检测准确率95.4%，每帧图像目标检测时间为38ms，能够满足运动目标检测对实时性的要求。

python+numpy实现自适应阈值分割函数OSTU，巩固编程基础以及图像处理基础

这份代码是实现阈值分割的matlab程序，可以直接用。

C++代码，基于阴影的车辆假设区域生成，主要实现步骤：1.加载一张路面图片；2.加权平均灰度图；3.路面ROI提取（用于作为二值化分割的阈值提取）；4.对路面ROI进行canny边缘提取；5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；6.对步骤5中得到的图片信息进行直方图处理；7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；8.根据标准差和均值信息得到二值化的阈值；9.二值化处理，得到分割后的图像，得到所需要的车底阴影。

K-Means 算法是应用最为广泛的聚类算法[2]。该算法以类中各样本的加权均值(称为质心)代表该类，只用于数字属性数据的 聚类，全局阈值分割，对图像的分割还挺好的，不利用直方图，