图像分割是指把图像分解成各具特性的区域并提取出有用目标的技术,它是由图像处理到图像分析的一个关键步骤,已在诸如计算机视觉、图像编码、模式识别和医学图像分析等很多领域有着实际的应用。根据图像自身存在许多不确定性和不精确性,近年来一些学者将模糊聚类应用于图像分割中,效果要好于传统的图像分割方法。本文首先系统地介绍了模糊数学基本理论和方法,并且以数据集的划分引出了硬C均值算法和模糊C均值算法,接着针对模糊C均值聚类算法的不足之处进行了改进。然后阐述了图像分割的定义和现有的几类图像分割算法,将改进的模糊C均值聚类算法应用于图像分割。针对经典FCM算法的缺点,在两个方面进行了改进：一是通过对聚类对象的模糊隶属度加权,来减少样本矢量间对聚类效果的影响；二是通过改进模糊隶属度,克服了图像周围像素对聚类分类的干扰。论文把改进的FCM算法应用于图像分割。本文对基于邻域像素影响的FCM算法的图像分割进行了探讨,然后从模糊隶属度约束的角度出发,得到一种FCM图像分割算法。实验表明这种新的算法具有良好的图像分割效果。