图像分割是图像处理中的一项关键技术，其目的是将目标和背景分离，为后续处理提供依据，其结果直接影响到其后的信息处理过程。尽管已经有很多种经典的分割算法，但是仍然没有一种分割方法能够对所有的图像都产生理想的分割结果，而根据待分割图像的不同特点，结合己知的先验知识，研究符合具体图像特性的分割模型，才是提高图象分割的重要手段。 分水岭(Watershed)变换是一种数学形态学图像分割方法，它可以得到精确的边缘，即连续、封闭、单象素宽的边缘。但是它的主要缺点就是对噪声十分敏感，很弱的噪声就会造成严重的过分割现象，致使分割结果出现大量的零散区域。本文针对这个问题，将多分辨率分析和分水岭变换结合，对这个算法从粗分割和合并过分割区域这两个方面进行改进，并取得了如下研究成果： 1) 对图像进行小波变换，降低了图像的噪声，减轻了过分割现象；由于低分辨率图像的尺寸相对于原始分辨率图像而言大大降低，而后在进行分水岭分割，减少了分割中的计算量； 2) 针对图像的特点选择合并准则，用以合并过分割的区域，从而得到较大的有意义的区域； 3) 根据低分辨率的分割形成的边界轮廓调整高分辨率的分割结果，克服了边界出现锯齿状的问题； 4) 多分辨率方法和分水岭变换结合的分割方法，较之直接进行分水岭分割在进行后续的合并，算法速度有了很大的提高。