图像分割是计算机图像识别与理解中的一个十分活跃的研究领域，是模式识别、图像理解、计算机视觉等领域的一个重要的基础环节。由于彩色图像比灰度图像提供了更为丰富的图像信息，因此彩色图像的分割在近几年越来越引起人们的重视，许多研究人员已相继提出各种各样的分割算法。　　 由于图像信息本身具有不确定性，很多原有的图像分割算法并不能较好地处理彩色图像，而云模型正是处理知识的不确定性的很好的工具，同时，粒计算方法可以简化图像处理过程的计算复杂度。因此，本文着重研究了粒计算和云模型在彩色图像分割中的应用，并把研究成果应用于彩色图像中，取得了良好的效果。本文工作主要包括以下内容:　　 (1)研究和分析了常用的颜色空间及其应用领域，根据各颜色空间的优缺点选择合适的颜色空间，并对其进行了合理的非均匀量化，构造了256柄的一维特征矢量。　　 (2)根据人类认识自然世界的多角度认知过程，并由粒计算的认知思想，提出了图像分割过程中的多粒度认知模型。该模型实现了粒计算的基本问题:粒化和粒的计算，完成了云粒在多粒度空间的合成，为图像分割的处理过程提供了指导思想。　　 (3)云粒合成算法是基于云模型的图像分割的关键环节。本文对文献[1]中的云概念合成方法的参数进行了修正，使的本文提出的图像分割算法更具有普适性。实验结果证明了修正后的参数更有合理性。　　 (4)图像中的目标在空间上具有相关性。参照Sobel算子，提出了基于云模型的区域距离度量算法，该算法不仅考虑了区域在颜色属性上的相似性，还参照了区域在空间上的邻近性，并且其邻接处不存在明显的边缘，即区域在空间上具有连通性。通过极大判定法来完成图像像素隶属度的判定。实验结果证明了该方法提高了图像分割的鲁棒性。