对灰度直方图呈现为双峰的图像，传统的二维直方图阈值分割方法虽然比较有效，但在灰度直方图呈现为无峰、单峰或多峰模式时，它们的分割结果较差。考虑到经过二维直方图映射得到的二维生存函数存在密度连续和形态统一等优点，本文基于图像二维生存函数提出一种快速二维累积剩余Tsallis熵阈值分割方法。该方法首先基于二维直方图构造二维生存函数，然后在二维生存函数的基础上定义计算分割阈值的二维累积剩余Tsallis熵目标函数。通过递推算法将计算目标函数的时间复杂度降为O(L2)。最后，基于递推形式的二维累积剩余Tsallis熵准则得到最优阈值向量以进行阈值分割。在26幅合成图像和76幅真实世界图像上将提出的方法与2种快速二维阈值分割方法、2种聚类分割方法以及1种活动轮廓分割方法分别在时间和误分类率（Misclassification Error，ME）2个指标下进行了比较。实验结果表明，在合成图像和真实世界图像中，相比于性能第2的方法，本文方法的时间平均缩短0.013 s，ME值平均降低0.051~0.089。提出的快速二维累积剩余Tsallis熵阈值分割方法不仅在计算效率方面优于对比的5种方法，而且在分割适应性和分割精度方面具有明显优势。

为了进一步提高自动驾驶感应模块中激光雷达点云地面分割算法的分割精度，提出一种基于种子点距离阈值和路面波动加权幅值自适应的地面点云分割算法。该算法在极坐标栅格地图划分的基础上，将种子点的选取判断阈值与二维平面的水平距离特征相关联，通过点云间的水平距离变化控制种子点集的更新；在道路模型拟合过程中，为解决斜坡路面模型更新停滞问题引入坡度连续性判断准则，根据路面波动加权幅值的变化建立点云的分割阈值方程，最终实现关于点云距离特征的自适应阈值分割。对开源数据集Semantic KITTI进行点云二分类数据处理，并在此基础上测试算法性能。实验结果表明：与现有算法相比，本文所述地面分割算法的精确率和召回率均提升了2%~4%，具有较高的准确性。

根据微通道板黑点检测原理与黑点光晕特征设计了一种检测方法，该方法利用圆提取技术实现荧光屏图像的半径和圆心提取，通过高斯拉普拉斯算子实现目标黑点粗检测。基于黑点在不同电压下外围呈现光晕的特征，利用对比度受限的直方图均衡化并结合阈值分割的光晕检测法实现黑点光晕的提取。测试结果表明，该方法可以将荧光屏划痕、灰尘与微通道板黑点有效区分，从而实现黑点的自动提取。

智能微型化的医用器械在医疗行业逐渐被人们所重视。这些产品主要是由一些微型电子元器件构成，其中器件核心芯片部分的点线连接结构需通过高精密焊接工作完成。因此焊点和被焊芯线的识别精度要求越来越高，两者是否能准确有效识别直接影响焊接的最终质量。为高质量完成焊接过程中的焊点和芯线识别，本文主要使用电子显微仪器结合上位机VS17+OpenCV软硬结合的方法完成图像处理，对所采集图像中的焊点和芯线端头进行识别。以焊点和芯线端头的颜色及几何特征作为分析对象，经预处理后再通过各自特征分析突出感兴趣区域部分，通过特定颜色阈值选取方式和对比度提升算法完成焊点和芯线端头的分割过程，要求所测量焊点及芯线端头的识别精度误差≤0.1 mm。实验结果表明：本文印刷电路板(PCB)焊点及芯线端头的识别算法能有效识别焊点及芯线端头图中所在位置并显示其像素坐标值；经数据整理分析，本文算法的识别精度误差均控制在允许的误差范围内。

采用线结构光法测量金属表面形貌时，由于受到金属表面光学特性和散斑噪声的影响，条纹中心的提取误差往往较大。为此，提出了一种非相干线结构光形貌测量方法，避免了散斑噪声的影响。通过分析该方法测量金属表面形貌时的条纹图像特点，提出一种适合非相干线结构光条纹的中心提取方法。该方法首先采用结合积分图像原理的自适应阈值分割算法，对原条纹图像进行分割。采用灰度重心法粗提取原条纹中心坐标，以该坐标为基准向条纹宽度方向延伸，从而确定阈值分割后条纹图的感兴趣区和背景区，并去除背景区的噪声。经中值滤波后，采用几何中心法提取条纹中心。实验结果表明：采用该方法提取粗糙度样块表面非相干光条纹中心的平均误差为1.5 μm，提取齿轮渐开线样板表面非相干光条纹中心的平均误差为0.9 μm，均比其线激光条纹中心的提取误差小。所提方法能实现金属表面非相干线结构光条纹中心的精确提取。