分割是将图像细分为构成它的子区域或对象，分割的程度取决于需要解决的问题。在实际运用中，当感兴趣的对象被提取出来时，就停止分割。超出需要解决的问题的分割时没有意义的。图像的分割是图像处理中最困难的任务之一。精确的分割决定着后续处理的成败。应该对提高算法的稳定性给予特别关注。　　 图像分割以后形成一些有意义的区域，然后可以对这些区域进行描述，相当于提取出某些目标区域图像的特征，判断图像中是否有感兴趣的目标。利用图像相似性度量搜索图像中有否目标图像，并确定目标区域的精确位置。这在数字图象处理应用中，扮演重要角色，有着广泛的用途。图像分割算法一般基于亮度值的不连续性和相似性这两个基本特性之一来处理。比如边缘检测就是基于亮度的不连续变化来分割图像。其他的方法依据事先制定的准则将图像分割为相似的区域。如门限处理、区域生长、区域分离和聚合等等都是属于这类方法。　　 对复杂图像的分割，采用将图像分块的方式进行处理，是一种行之有效的策略。被分割出来的子图像往往呈现明显双峰的特点，使用OTSU法能获得良好的分割效果。但是，某些子图像中目标对象或背景对象所占面积极小，利用OTSU法不能得到理想的分割效果。本文提出利用3σ原则计算得到离群值来修正OTSU阈值，从而实现对包含极小对象的精确分割。实验结果表明，该方法对细节有良好的分割效果。