图像分割是将图像分割成若干个特定的、独特的区域,并提取出特定目标区域的技术和过程。它是计算机视觉和图像处理中重要的研究内容之一。近年来,以GrabCut为代表的基于图论的图像分割方法成为了研究热点。基于图论的图像分割是一种将图像边缘信息和纹理信息相结合的能量最小化方法。GrabCut算法是一种优秀的基于图论的交互式图像分割算法。该算法由于其简单的交互性和良好的分割效果,得到了广泛的应用。然而,在处理前景和背景相似的图像时,GrabCut算法的处理结果不是很好,针对这个问题,本文将处理模糊问题的中介数学引入到超像素提取中,提出了一种基于MMTD的超像素图像分割算法。能够有效解决原始GrabCut这一不足,有着良好的实验效果和应用价值。论文首先对中介数学以及MMTD进行了介绍,在此基础上对图像增强、超像素提取和图像分割方法进行了深入研究。主要工作如下:(1)针对传统直方图均衡化图像增强算法对于图像前景背景统一均衡处理,造成图像背景对前景的噪声增加,前景图像细节丢失等问题,提出了一种基于选择的直方图均衡化算法通过对图像前景和背景进行不同的均衡化处理,使得增强后的图像前景细节更加明显,前景背景更加分离。(2)针对传统SLIC超像素块提取时,权值的确定需要人工指定,而且对不同的图像采用同样的权值会导致分割效果不理想的问题。本文提出了一种基于MMTD的超像素提取算法。该方法根据图像Lab距离和坐标距离两种距离的相似度,利用迭代化的方法自适应地确定权值。实验结果表明,该算法较原始SLIC算法,有着更好的提取效果。(3)针对GrabCut图像分割算法在处理前景和背景相似图像时,分割效果较差的问题,提出了一种基于超像素的GrabCut图像分割算法。先对图像进行图像增强,增强图像的对比度,然后进行图像超像素块集合的提取,最后使用像素块代替图像的像素点对图像进行分割。实验结果表明,采用本文方法,分割后的图像前景和背景交界处的差异更加明显,分割效果明显改善。