處理影像在實際的應用上，如果我們能將要處理的主體和不需要存在的背景分離，則後續的處理動作將變得比較簡單。如圖2
(a)所示的灰階統計圖對應於影像 ，整幅影像是由亮的背景和暗的物體組成。這樣，亮的背景和物體像素的灰階值分成了兩個主要的模式。從背景中提取一個物體的最好方法就是選擇一個明顯能分離這兩個模式的臨界值T。對點 而言，如果 <
T 則稱為物體點，否則為背景點。圖2(b)所示是較一般的情況，此影像灰階統計圖表徵了三個主要的模式，辨別點的基本方法是一樣的。如果 ，則點屬於一類物體點，如果 ，則屬另一類物體點。如果 則是背景點。圖3為影像之灰階統計圖，在本研究中我們將臨界值T預設為65，而臨界點是需根據使用者來調整。
|
|
圖2 灰階統計圖
|
|
|
圖3 影像之灰階統計圖
|
臨界值法可以看成是一種依據函數T檢測的運算，T的形式為
（1）
其中是點的灰階， 代表這一點的區域性質，例如，以為中心其鄰域的平均灰階值。一個臨界值化的影像 定義為
（2）
這些標記為1的像素是對應於背景，標記為0的像素是對應於物體。圖4為影像二值化處理後的結果。我們可以很清楚的看出，當臨界值T設定的適當時，物體將會被清楚的與背景分離。
|
|
圖4 影像之二值化
|
|