阈值分割的难点和关键在于阈值的选取。阈值选择的恰当与否对分割的效果起着决定性的作用。本文主要对基于模糊集理论的图像分割方法进行了比较深入的研究，提出了改进的图像阈值分割算法以及边缘检测算法。 在改进的阈值分割算法中，首先，建立了基于图像中目标的“对象”模糊集，使得改进的算法在执行过程中具有针对性，进而提高了提取目标的有效性；其次，为了提高算法的时效性，在算法中引入了条件熵，同时采用最小模糊度及最大熵准则自适应地将图像中“对象”与“非对象”分离开来。该算法克服了以往模糊阈值分割算法中，根据阈值单一地将像素分开，却不一定能保证图像区域的正确划分的弱点。特别是对包含多个目标的图像实施本文算法时，其优越性更能够得以体现。运用MATLAB进行了仿真实验，证明本文所提出的改进的图像阈值分割算法能够在基于对象的研究中得到良好的应用，是一种具有实用性和时效性双重特征的新算法。 另外，本文还在模糊阈值选取算法的基础上，提出了改进的边缘检测算法。该方法是将方向信息测度与模糊阈值分割算法相结合的一种提取图像边缘的新算法。一方面，算法基于最小模糊度准则选取阈值，实现了提取边缘过程中的自适应性；另一方面，由于引入了方向信息测度，使得算法能够较好地保留了细节和一些弱的、方向性强的边缘，提高了边缘提取的精度。实验结果表明，本文提出的改进的边缘检测算法是一种自适应性较强，提取精度较高的算法。