大部分的二值化影像是以一个特定的阀值将不同的物体加以分割，在实际应用上欲就一影像找出其特定的阀值之大小的方法有很多。
如果二元影像之灰阶统计图具有双峰特性，那就可以利用机率统计的原理来找出最佳的阀值以分割二元影像中两个群集的像素，以达到自动阀值撷取之目的。
图
4
光场不均的影像
由于影像光场不均的情形很常见，例如图
4
为一雷射光干涉影像，由于激光束中心亮度值最大，边缘则亮度很小，因此在实际的作法上一个特定的阀值也许不能有效的处理这类影像二值化的问题。
二
值化临界值的大小常关系到是否正确的侦测目标物，一般说来浓度分布图可以作选择临界值的依据，如果浓度分布图呈现着双峰的形状时，则两峰间谷点对应之灰度
值即是适当的二值化临界值，但如果影像在取像时为不均匀的光场所照射，假设物体为亮，背景为暗，这时如果只使用一个二值化临界值，可能会使点处背景中的物
体也沦为背景，而明亮外的背景则也有转变为物体的可能
(
图
5)
，因此必须使用动态的临界值，亦即在明亮处临界值须高些，而黑暗处临界值不妨低些，才能得到良好的二值化结果。
图
5
影像光场不均时只取一个特定的阀值的二值化情形
动态二值化临界点的方法也有很多，一种是针对已知光场的不均匀程度事先调查好，例如在未放入物体时即对此不均匀光场先取像，然后对此影像求取各部位适当的临界值。
动态二值化临界点的方法也有很多，一种是针对已知光场的不均匀程度事先调查好，例如在未放入物体时即对此不均匀光场先取像，然后对此影像求取各部位适当的临界值。
如果对于无法预知的光场，则可将影像取成若干小区块，然后求其这些小区块的平均值，这点可利用现成的点素合并处理
(pixelize)
程序来作，然后定出每一小区块的临界值，不过这么做还是会有问题，因为如果区块取得太小，则无法压抑掉背景中的微量起伏的噪声，届时这些微小的亮度起伏变化都可能变成物体，导致错误。
如果我们将区块取得太大，则各区块间的临界值可能产生陡升或陡降的现象，如此也造成在区块与区块二值化图形边缘处会有明显不连续的现象。
因此比较理想的情况是使用类似屏蔽运算的方式来解决二值化临界值的问题，亦即这些区块会随着点素来移动，随着点素所在区域之不同，二值化临界值的大小亦随之而改变
(
图
6)
，大致上可以将点素所在区域之平均灰度值加上某一常数作为该点二值化临界值的大小，这个方法所使用之区块面积不能太小，否则仍可能出现无法压抑掉背景中的微量起伏的噪声之情形，由于区块的面积不能太小，因此整体的计算量将很可观，这也是此法最大的缺点。
图
6
影像光场不均时使用动态阀值的二值化情形