图像分割是当今一个比较热门的研究课题,有着广阔的应用前景。它广泛应用于医学、交通、军事等领域,研究它可以为我们进一步理解、分析图像相关信息提供十分重要的帮助;同时它本身也是一门十分复杂和棘手的技术,由于现有图像分割算法的一些不足也促进研究者们不断创新和改进,使图像分割技术不断完善,以便使其在实际应用中发挥更好的作用。图像分割算法有很多种类,它们都基于不同的原理而来。本文主要介绍的是模糊聚类算法在图像分割上的应用。聚类算法在图像分割中的应用是很广泛的,近年来提出的新算法也是层出不穷。本文首先介绍了图像分割的一般原理、意义和应用,然后又介绍聚类算法图像分割的原理及应用,以使读者对聚类算法有更深入的认识。在此基础上,接下来第三章、第四章分别介绍了三种模糊聚类算法在彩色图像分割以及噪声图像分割当中的应用。其中有一个算法应用在彩色图像分割上,是基于一种叫作空间模式聚类算法在彩色图像分割上的应用。由于彩色图像的每个像素点的颜色值是由RGB三个颜色分量值组成的,属于三维空间,无法应用在属于单维的基于空间模式聚类算法的灰度空间上。在此,引入了一个计算公式将彩色图像像素点的RGB值换算为一个亮度值,它取代了算法距离公式当中的灰度值,这样可以使用空间模式聚类算法在该彩色图像的亮度空间中进行聚类分割,在彩色图像分割实验中该方法取得了一定的良好效果。后两个算法均为噪声图片分割。当图片当中含有噪声的时候,聚类算法的分割效果会受到影响。为了增强聚类算法抗噪能力,两种方法被分别应用在了两种聚类算法当中,以提高它们的分割性能。一种改进方法是在空间模式聚类图像分割算法的隶属度公式中引入了一个变量,以修正因噪声原因而导致计算发生错误的隶属度值,因为隶属度矩阵当中保存了聚类算法的分割结果,在理论上,这种修改对于修正错误的分类结果是有意义的。另外一种方法则应用在了一般的模糊聚类分割算法上,通过在聚类算法的距离公式当中引入一个变量。因为如果像素点受到噪声污染,那么像素的灰度值就会发生改变,导致算法计算距离公式的值发生错误,进而影响到隶属度值。最后,再将前一种对隶属度公式改进的方法应用到此算法当中,强化其抗噪能力。这种修改在理论上也是可行的。在对噪声图片的分割实验中,这两个算法均取得了较好的效果。最后一章对文中的主要内容进行了总结。