基本全域性閾值演算法：

1.設定初始灰度值T，可設為影象的平均灰度值

2.用T把影象分成兩部分G1和G2，G1的灰度值大於T，G2的灰度值小於等於T

3.計算G1，G2的平均灰度值m1，m2

4.更新T=(m1+m2)/2

5.重複2~4直到T的變化量小於某個很小的閾值

Matlab程式碼：

clc,clear
f1 = imread('blobz1.png');
f2 = imread('blobz2.png');
figure;
subplot(1,2,1),imhist(f1),title('原影象（光照均勻）');
subplot(1,2,2),imhist(f2),title('原影象（光照不均勻）');
figure;
subplot(1,2,1),imshow(f1),title('光照均勻');
subplot(1,2,2),imshow(f2),title('光照不均勻');

[h1,w1] = size(f1);
[h2,w2] = size(f2);
delta_T = 1;
T_last = sum(f1(:))/(h1*w1);  % 用影象的平均灰度作為初始值
T_new = 125;
while abs(T_new - T_last) > delta_T
     g1 = f1(logical(f1>T_last));   % 找出閾值以上的畫素
     c1 = sum(sum(logical(f1>T_last)));
     m1 = sum(sum(g1))/c1;  % 計算g1的平均灰度值
     g2 = f1(logical(f1<=T_last));  % 找出閾值以下的畫素
     c2 = sum(sum(logical(f1<=T_last)));
     m2 = sum(sum(g2))/c2;
     T_last = T_new;
     T_new = (m1+m2)/2;     % 更新閾值
end
T_last = floor(T_last)
f1(logical(f1>T_last)) = 255;   % 把背景置為最亮
f1 = uint8(f1);

T_last = sum(sum(f2))/(h2*w2);  % 用影象的平均灰度作為初始值
T_new = 150;
while abs(T_new - T_last) > delta_T
     g1 = f2(logical(f2>T_last));   % 找出閾值以上的畫素
     c1 = sum(sum(logical(f2>T_last)));
     m1 = sum(sum(g1))/c1;
     g2 = f2(logical(f2<=T_last));  % 找出閾值以下的畫素
     c2 = sum(sum(logical(f2<=T_last)));
     m2 = sum(sum(g2))/c2;     % 計算g2的平均灰度值
     T_last = T_new;
     T_new = (m1+m2)/2;     % 更新閾值
end
T_last = floor(T_last)
f2(logical(f2>T_last)) = 255;   % 把背景置為最亮
f2 = uint8(f2);

figure;
subplot(1,2,1),imshow(f1),title('光照均勻');
subplot(1,2,2),imshow(f2),title('光照不均勻');
 

測試影象：

執行結果：