图像分割作为图像分析,图像识别和图像理解的前提条件,是通过不同的特征条件将图像分为互不相交的区域。图像分割的方法多种多样,本文通过将模糊理论与阈值法和边缘检测结合,以提高图像的分割质量。首先,本文分析了基于模糊度的阈值分割方法,对于方法中的窗宽需要人为确定,算法适应性较差的特点,做了相应的改进。通过对原始图像灰度直方图的变换和利用图像的模糊率曲线,解决了以上两个问题,实验证明图像分割效果能较好的还原图像细节。然后本文通过分析一维模糊熵阈值分割方法的特点,将图像灰度信息与空间信息结合,引入图像二维模糊熵,并对模糊熵算法加权,改进了寻优算法中的穷举法,与智能寻优算法结合,提出了二维模糊熵加权的阈值分割方法,实验证明算法能够准确地分割图像并且具有一定的抗噪能力。最后本文对图像的边缘检测方法中的一些经典算子进行了介绍,分析了Pal和King提出的经典的模糊增强边缘检测方法,对于算法变换中存在的问题,做了相应的尝试改进,引入了边缘置信度对图像算法中的参数进行了返回修改,获得了较好的效果。