基本的全局阈值处理

1.为全局阈值T选择一个初始估计值。
2.利用T分割图像，将产生两组像素：G1由灰度值大于T的所有像素组成，G2由所有小于等于T的像素组成。
3.对G1和G2的像素分别计算平均灰度值（均值）m1和m2.
4.计算出一个新的阈值：$T=\frac{1}{2}(m_1+m_2)$T=21​(m1​+m2​)。
5.重复2到步骤4，直到连续迭代中的T值间的差小于一个预定义的参数$\Delta T$ΔT为止。

当与物体和背景相关的直方图模式间存在一个相当清晰的波谷时，这个简单的算法工作得很好。在速度是一个重要的情形下，参数$\Delta T$ΔT用于控制迭代的次数。图像的平均灰度对于T来说是较好的初始选择。

这种方法的缺点也很明显，它仅能分割双峰明显的图像，对复杂图像并达不到很好的效果。