近年来，随着计算机性能的不断提高，图像处理和计算机视觉得到了越来越多的应用。它们处理的对象是静止的图像或者运动的图像序列。由于图像信息量大、所包含内容的特殊性和复杂性，使得图像处理的难度大大增加，同时也使图像处理的研究趋于多样化，以满足不同的图像处理的需求。 图像分割是图像处理的重要领域之一，其目的是将图像中感兴趣的部分提取出来，是进一步进行图像识别和分析的基础，因此它是图像理解的一个关键步骤。图像分割是图像处理中最常见和最困难的问题之一，虽然目前已研究出不少图像分割的方法，但还没有适用于很多场合的图像的有效方法，很多好方法也不能满足实时系统的要求。目前，对图像分割技术的研究还在不断深入和广泛地进行，本文正是选取了这一热点和难点课题进行了研究。 本文的主要工作是提出了多个新的图像分割方法，分析了它们的性能，并与几个常用的经典方法进行了理论和实验比较。大量的图像样本实验结果表明，本文提出的方法是可行和有效的，特别适合需要实时处理的系统。 本文的具体研究内容如下：(1)对众多的图像分割方法，特别是阈值化方法系统进行了分类、比较和评价。 (2)提出了一个对灰度图像进行快速二值化的优化方法。本文将二值化建模为一个离散优化问题，通过对一个加权误差平方和函数的极小化来找到最佳阈值。同时还将本文的新方法与经典的二值化方法Otsu和熵进行了比较，大量的实验结果表明新算法不仅能得到满意的分割结果，而且更加有效，特别适合于对时间要求很高的实时系统中。本文也从理论上证明了新算法同Otsu算法能产生完全相同的分割结果，但速度快得多。 (3)提出了多个阈值的图像分割方法。经典的Otsu和熵算法只给出了寻找一个最佳阈值的特例，本文将它们推广到寻找多个阈值的一般情况，并将本文提出的新算法也扩展到多类的分割。通过理论分析和实验比较，证明了在多类的情况下，新算法更具有优势。 (4)对有噪声的图像进行快速分割。在2D直方图上进行投影运算，将1D直方图上的快速算法移植到图像的2D直方图上，实现了对有噪声图像的快速分割。新算法既能达到较快的效果，又能很好地抑制噪声。与基于2D直方图的Otsu和熵的算法进行了比较，实验结果均表明新算法有效的多。 (5)提出了一个基于K均值聚类和两层塔形结构的彩色图像分割快速算法，新算法通过两个途径来加快彩色图像的分割。第一个途径是构造一个彩色图像的两层塔形结构，通过在上层小图像的快速聚类结果来有效地指导下层大图像的聚类。第二个途径是通过一个利用查找表实现的快速K均值聚类算法来进行聚类。对彩色图像的分割实验表明，本文提出的整个塔形算法比直接用K均值聚类算法对原图像进行分割快了一个数量级，并且两算法产生了几乎完全一样的分割结果。 (6)本文对所有的新算法进行了计算复杂度的分析，理论分析和大量的实验均表明，本文提出的多种对于图像分割的快速优化算法比传统方法更加有效。