阈值处理(Thresholding)是图像分割中最基本的操作之一，它的目的是将一幅图像分成两个部分，一部分是我们感兴趣的目标区域，另一部分是背景区域。在此基础上可以进一步进行形状分析、图像匹配等操作。在数字图像处理中，阈值处理算法也是最常用的图像处理方法之一。
阈值处理的基本思想是对一幅二值图像设置一个阈值，将图像灰度值高于该阈值的像素点设为一类，将低于该阈值的像素点设为另一类。
阈值处理中常用的几种算法有：固定阈值处理、自适应阈值处理和大津（Otsu）算法。其中固定阈值处理是最简单的，直接给定一个阈值来进行二值化处理，但由于图像噪声、光照等原因，直接给定阈值可能会产生误差。自适应阈值处理是针对不同区域设定不同的阈值来进行分割，能够更好地适应图像的局部特征。大津算法基于类间方差最小的原则自适应地给出了最佳阈值。
阈值处理算法的效果很大程度上受到图像预处理的影响，如灰度变换、直方图均衡化等可以用来增强图像对比度，从而更好地进行阈值处理。除此之外，在一些特定的场景下，如肝脏 CT 图像分割，也有针对性的阈值处理算法。
