鉴于高铬铸铁电镜图像含有丰富的纹理背景,运用传统的算法对其进行聚类过程中,往往出现过多模式点,导致图像过分割的现象,提出一种改进的Mean Shift聚类方法并以此对高铬铸铁电镜图像中碳化物目标进行提取。首先,利用传统的Mean Shift算法对特征空间采样点进行迭代得到初始模式点;再将空域距离小于空域带宽hs、色度域距离小于色度域带宽hr的模式点及像素值之差小于阈值T的邻近区域进行合并,以避免产生过多聚类数;然后对每个聚类中心采用双阈值法提取出目标区域;最后消去二值化图像中面积小于阈值N2的非连通背景区域。实验结果表明,改进方案相对于传统的Mean Shift算法、K均值算法等同类算法能够更为有效地提取出高铬铸铁显微图像中的碳化物,为后续的高铬铸铁性能分析提供可靠依据。