图像增强后，由于用户的个体差异，不同的人手指厚度是不一样的。因为原始数据图像会被脉冲噪声所影响，这就给后面图像的分割造成了一定困难，所以在图像分割之前需要进行增强处理图像信息。在去噪处理中，需要对采集到的图像进行减噪处理，通过均值滤波对图像进行平滑处理。均值滤波主要是通过邻域平均，针对有噪声的原始数据图像（假设为（x:y））的每个像素点可以选择一个模板，这个模板是由邻近的m个像素结构组成，求得一个均值之后再将均值赋给当前的像素点，即作为该像素点最终的像素值。公式如下:g（x,y）=1/m＞f（x,y）

通过设置不同特征的不同阈值，可以将图像像素分成若干类。常用的特征主要包括了直接来自原始数据图像的灰度和彩色特征以及由原始灰度或彩色值变换可以得到的特征。将原始图像设置为f(x，y)，根据固定准则求出f(x，y)中的特征值t，分别设置0和1来标记图像的背景和目标物体，并将图像分成两部分，即图像值化。

图像进行分割，根据图像分割研究方法的不同，可以发展大致分为四种:

（1）利用图像灰度统计的方法，如一维直方图阈值和二维直方图阈值;

（2）利用光谱信息的图像分割方法和图像空间区域信息，比如多光谱图像分割、生长法、纹理分割等;

（3）边缘检测方法利用图像中灰度变化最强的区域信息，如Canny算法;

（4）利用像素分类法，就是将图像分类管理技术进行分析图像分割的一种教学方法，比如模糊分类方法、神经网络学习方法和统计分类研究方法等。