图像分割是将图像分割成各具特性的区域,并将目标区域从中提取的过程。同时图像分割也是后续图像处理的关键步骤,是实现图像理解和高级应用的基础。图像分割技术经过不断发展已经应用到各个领域,如:生物医学,军事公安,工业工程等,并都取得了不错的效果。在图像分割领域中,由于图与图像之间有很好的一一对映关系,将图像的分割问题转为图的分割问题,利用图论的理论知识来进行图像分割,既避免了由于图像离散化所造成的误差,还优化了分割步骤。基于图论的图像分割方法因为简单高效而备受欢迎,本文就基于图论的图像分割方法展开研究,主要工作有以下方面:1.本文首先分析了基于图论的图像分割方法领域的研究背景及其发展现状,并回顾了图论的基本知识,阐述了图与图像的关系。在此基础上分析了基于图论的图像分割模型的算法理论,包括基于最小生成树的图像分割模型,基于最短路径的图像分割模型,基于割集准则的图像分割模型,基于图割理论的图像分割模型,并讨论其中具有代表性算法的原理及其性能,指出了这些算法的适用范围和应用前景。2.在基于图论的图像分割模型中,着重分析了基于最小生成树的图像分割方法,讨论了该领域中现有的分割算法,并指出该分割模型在进行图像分割时选取的权值判断标准存在的不足,导致在使用该分割模型所得到的分割结果时常会出现欠分割和过分割情况,从而分割精度不高,并在图像细节处理方面无法达到理想结果,影响后续的图像分析。针对该问题,本文提出一种新颖的权值判断标准,该权值公式不仅考虑了人眼对RGB值变化的敏感性,还考虑到了两个像素之间的空间距离和矢量关系,能很好的表示像素之间的相似关系,具备良好的应用价值。故本文结合最小生成树的图像分割模型,提出了一种新的基于最小生成树的图像分割算法。3.通过实验分析,本文提出的基于最小生成树的图像分割模型减弱了以往图像分割出现的欠分割和过分割情况,提高了图像分割精度,并且该方法在对噪声方面具有很好的鲁棒性,能较好的保留图像的细节特征,保证了区域的一致性。同时将该分割方法应用到医学影像领域中,也取得了不错的效果,通过实验证明了该方法的有效性,并具有一定的实际应用价值。但是在处理复杂图像时,会出现分割时间过长,产生错误边界的情况,需要进一步研究改进。