图像分割是图像处理的一项基本操作，是图像工程的一个重要内容，所有与机器视觉有关的领域都要用到图像分割。总结现有的图像分割算法，可以发现，大多数算法都是基于图像的底层特征，如色彩，纹理等，将图像分割成一些零散的区域，而不能得到一个完整的有意义的对象。随着网络技术的发展，有越来越多的方式获取图像，所以图像处理的需求量也越来越大。如何对这些图像进行高效的访问并提取出其中的有用信息，是图像处理面临的一个难题。而图像分割结果的局限性，使得它已经不能满足人们对解决这一难题的需求。在这样一个背景下，图像对象分割的概念被提出并得到了研究学者们的高度重视与深入研究。本文总结了国内外图像对象分割的研究现状和发展趋势，分析了这些方法的优缺点，并借鉴了其中关于通过轮廓片断匹配进行对象分割的思想。本文讨论了现有的几种边缘检测算法，并通过图片的仿真对它们的性能进行了对比分析。由仿真结果可知Canny算子的各方面性能都优于其它算子，所以本文选用Canny算子进行边缘检测。本文还讨论了几种经典的边缘细化算法，并基于骨架提取的细化算法的研究，提出了一种改进算法。因为在经过边缘检测和细化处理后，得到的是可能不连接的边缘，所以本文对现有的一种边缘生长算法进行了改进，并用改进后的算法将不完整的边缘封闭，得到完整的对象轮廓。在上面的这些操作中，本文同时采用了自适应阈值分割和面积筛选的方法将对象的边缘从复杂的背景边缘中分离出来。论文最后搭建了一个界面，并用程序实现了算法的每一步功能。