现有的 Arimoto 熵阈值法仅依赖于灰度直方图分布，且计算最佳阈值时需搜索整个解空间，效率不高． 为此，文中提出了一种二维 Arimoto 灰度熵阈值分割的快速迭代算法． 首先，提出了一维 Arimoto 灰度熵阈值选取的快速迭代算法;然后，考虑图像目标和背景的类内灰度均匀性，导出了基于灰度 － 平均灰度级直方图的 Arimoto 灰度熵阈值法，并给出了中间变量的快速递推公式;最后，提出了二维 Arimoto 灰度熵阈值选取的快速迭代算法，推导了相应的公式，大大减少了运算量． 实验结果表明，文中所提算法运行速度快，分割性能优于现有的 5 种同类阈值分割算法，分割后图像中的目标完整，边缘纹理清晰，细节更为丰富．
