提出了基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取方法以便更为准确地分割火焰图像。以最小倒数交叉熵作为阈值选取准则，解决了 Shannon 熵定义中存在的无意义值问题。同时，以二维直方图斜分方式更加准确地划分目标和背景，提高了算法抗噪性能，且使需要选取的阈值个数由两个变为一个，减少了算法运行时间。此外，采用蜂群优化算法加速对最佳阈值的搜索，使速度提升了约80%~140%，进一步提高了算法的实时性。最后，针对火焰图像进行了大量实验，并与二维斜分最大 Shannon 熵法、基于混沌小生境粒子群优化(NCPSO)的二维斜分最大倒数熵法进行了比较。结果表明，提出的方法在分割效果上优势明显，且抗噪性能更好，是一种实时有效的火焰图像分割方法。

鉴于二维斜分法的优势，提出了一种快速二维直方图斜分最小误差的阈值分割方法。首先将二维直方图斜分原理运用到最小误差阈值法中使得分割更准确，然后对其阈值选取公式进行简化得到最简公式，并利用此公式导出其一般递推算法，最后将二维直方图概率分布特性与这种算法有机结合得到新型的递推算法来提高运行速度。实验结果表明，与二维直线型最小误差阈值分割法相比，算法效率更高，与其递推算法相比，所提出的新型递推算法的运行速度更快，约快4倍。