图像分割是提取图像中感兴趣目标的过程。该过程采用某种相似性准则，将图像划分为多个区域。图像分割是图像工程中最基础、最重要的任务之一。相比传统的灰度图像分割，彩色图像分割能够利用图像的色彩、空间、纹理等信息，对分割效果的改进更有帮助，因此彩色图像分割方法的研究受到越来越多的关注。目前有众多学者都尝试对多种方法进行结合，以更好的应用于彩色图像分割。在图像分割方法中，基于阈值的分割方法是较早出现的，也是目前最常用的。该类方法在图像分割中通常具有较优的分割效果，缺点是对噪声敏感，且应用于彩色图像多阈值分割时计算复杂度较高，无法满足实时分割的要求。基于聚类的分割方法是图像处理领域研究的热点，而模糊C均值聚类（Fuzzy C Meansclustering，FCM）方法是其中最具代表性的一种。该方法的聚类效果较硬聚类算法有较大改进，但其所存在过度依赖初始聚类中心的问题尚未得到解决。本文主要从改善多阈值分割效率及解决FCM初始化问题出发，对彩色图像分割方法进行深入研究。本文主要工作及成果如下：①对颜色直方图中存在明显波峰波谷的图像，本文提出一种基于局部区域的快速多阈值分割方法。该方法基于颜色分量直方图进行简单聚类，然后对明显波峰波谷进行分析，在以波峰划分的局部区域内搜索最优阈值，成功将图像的多阈值分割转化为各个局部区域的单阈值分割，可有效解决传统多阈值分割所存在的迭代次数多、计算复杂度高等问题，显著提高分割效率。②对于颜色直方图中不存在明显波峰波谷的图像，针对使用现有FCM方法进行分割时存在的过度依赖初始聚类中心的问题，提出一种改进的FCM初始化方法。该方法先对图像使用维纳滤波，以降低噪声对分割的影响；再使用二次分水岭方法获得边缘清晰的分割区域，再以质心表征各个区域的特征，以减少质心筛选与合并过程中的计算量。该方法可获得较准确的初始聚类中心，不仅有效减少了运算时间，而且能获得更准确的分割效果。③对上述提出的方法，分别与现有方法进行了实验对比，表明新方法在分割效果和处理效率上都有明显改善。此外，利用它们组成了一个彩色图像分割原型系统，该系统可根据输入图像直方图的具体情况选择不同的分割方法。若直方图中存在明显的波峰波谷，则使用快速多阈值分割法；否则使用改进的FCM方法。通过实验对比，说明了两种新方法各自的不同性能特点。