图像是人们获取外界信息的主要途径之一,由于计算机的日益发展,数字图像处理已经成为一个热门的研究领域。图像分割在图像处理领域扮演着十分重要的角色,图像分割的优劣将直接影响到后续研究的效果。一幅图像可以转化为图论中的图,因此基于图论中各种优秀的理论,提出的图像分割方法普遍受到学者们的关注,图割算法就是一种具有代表性的分割方法。图割算法具有复杂度高的缺点,本文提出一种新的超像素算法,并与图割算法结合来进行图像分割。论文的主要工作包括如下几个方面:第一,介绍了聚类和图割算法的基本知识,包括K均值聚类算法,模糊C均值聚类算法,密度聚类算法(DBSCAN算法)和用于超像素分割的密度峰值搜索聚类算法(DPC算法)以及基于图论的图割算法。第二,利用DPC算法无需迭代可以快速准确完成聚类的优点,将算法中密度与距离的计算方式做出改进,提出了 DPCS超像素算法。并通过与3种具有代表性的超像素算法进行实验对比,结果表明DPCS超像素算法减少分割耗时的同时,保证了超像素的边界贴合度,为后续的图像分割处理打好了基础。第三,结合DPCS算法和GrabCut算法,提出一种新的DPCSGC图像分割算法。该算法利用DPCS算法对图像进行超像素预处理,以超像素块代替原图中的大量像素点,从而大幅提升了 GMM参数估计的计算速度,减少了图像分割的处理时间。第四,使用DPCSGC算法和其他5种相关图像分割算法对伯克利图像库中的图像进行对比实验,结果表明DPCSGC算法保证图像分割准确性的同时,有效提高了分割速度。最后应用到电力系统绝缘子航拍图的分割中,快速准确的分割结果表明了新的DPCSGC图像分割算法具有一定的实际应用价值。