图像工程是近几年发展起来的一门学科,它的研究内容非常丰富,根据抽象程度和研究方法的不同可分为三个层次：图像处理、图像分析和图像理解。图像处理的目的之一是图像识别,而图像分割与测量是图像识别工作的基础。图像分割是计算机视觉领域一个重要而基本的问题,尤其是在图像理解、成像目标的识别与跟踪、机器人视觉中是一项关键技术。云理论是以研究定性定量间的不确定性转换为基础的系统处理不确定性问题的一种新理论,包括云模型、虚云、云运算、云变换、不确定性推理等内容。云模型是语言值描述的某个定性概念与其数值表示之间的不确定性转换模型,它将定性概念表达以及定性定量间转换的模糊性和随机性集成到一起,是云理论的基础。而云理论及由此而发展起来的信息处理技术,对处理带有模糊不确定性的事件及对不精确知识的描述与处理方面具有得天独厚的优势。图像分割过程就是利用图像信息,将图像像素进行智能分类的过程。本文提出了一种基于云理论和区域生长的图像分割方法。该方法首先是用云变换对图像进行变换生成云模型,然后利用云模型的Ex作为区域生长的种子点,以云的极大判定法则作为区域生长准则进行区域生长。获得最终的分割结果。这种分割方法不但克服了区域生长法种子点和生长准则选取不当而产生过分割和欠分割的不足,而且解决了对分界模糊和具有不确定性因素的图像的分割难点,实验结果证明,该方法可以准确的分割出目标,是一种有效的图像分割方法。