图像分割是模式识别、图像理解、计算机视觉等领域的关键步骤,在图像处理中占据重要的位置。从一般意义上来说,图像分割是利用图像的颜色、灰度值、纹理、形状等特征或特征集合的相似性准则,将其分成一些不同且不重叠的区域。然而,由于图像信息的复杂多样性,分割过程中使用不同的分割准则就会产生不同的分割结果。因此,它是一个病态问题。基于Graph Cuts的图像分割算法将图像分割问题转换为图论中的网络图的切割问题,通过合适的能量泛函建立相应的网络图,通过最大流／最小割算法求解网络图的最小割,从而获得能量的全局最优解。本文首先对基于Graph Cuts的图像分割算法及其改进进行了研究。其次对信息熵及其在图像处理中的应用进行简单的介绍。提出一种图像的熵映射方法,并在一般意义上基于Graph Cuts图像分割所采用的能量泛函基础上引入熵映射建立新的能量。由于熵映射对于图像目标边界的指示作用,这一改进帮助我们得到了更平滑的分割边界,同时对分割后背景噪声的消除也有一定的效果。