图像分割是计算机低层次视觉领域中的重要研究内容，它为图像分析、图像理解和图像的编码提供了基础和前提。但多数阈值算法对灰度图像的处理忽略了影响像素分类的空间关系这一相似性度量，致使最后图像分割效果不够连续，不够准确。基于模糊理论对处理模糊事件的优势，近些年来提出了较多的模糊图像分割方法，但在计算量上存在着一定的问题。基于以上的分析，本文将图像像素间的空间信息关系和综合应用类内距离和类间距离作为主要研究内容，设计出基于模糊理论的运行效率较高的算法，本文的主要的研究工作如下。首先，概括总结了模糊理论在图像分割中的应用步骤：先利用模糊理论将数字图像转换为模糊数学定义的形式；然后修改模糊函数得出的隶属度，设计一种判别标准来获取模糊图像的分割阈值；最后再重新将模糊图像转化为数字图像。其次，本文以模糊理论为基本算法框架，设计了一种加权模糊阈值算法。该算法中像素的模糊隶属度函数由灰度属性与空间信息共同决定，其中空间信息部分是借助像素与其邻域像素性质的加权相似度关系而得出，充分挖掘了图像像素间空间关系对于集合分类的影响。再次，同时提出了一种基于空间距离的自适应阈值算法。该算法在隶属度设计中引入了像素与给定阈值的空间几何距离，并借助分类集合的均值和方差，设计了新的阈值择优标准。在衡量分类集合是否分割明确时，同时考虑了分类集合内数据距离和集合间的数据距离。最后，本文通过实验验证了所提出新的模糊图像分割算法的有效性，并与现有的算法进行了比较，给出了相应的实验结果分析与总结。