图像分割是图像处理和计算机视觉领域低层次视觉中最基础，最重要的领域之一，同时具有广泛的应用价值。目前，现有的分割算法在实际的应用领域中都存在各种各样的问题，诸如耗时性，目标的轮廓模糊、断裂，或者重要细节被忽视掉等等。本文针对这些问题展开一系列研究，并把研究成果应用到人脸检测的图像处理过程中，取得了一定的实效性。本文主要的研究工作如下：首先，分析和总结现有的图像分割算法，选取阈值分割法中经典的最大类间方差法(Otsu算法)作为中心点展开研究。针对二维0tsu自适应阈值算法计算复杂度高的问题，提出一种新的快速有效的0tsu图像分割改进算法。该算法通过求两个一维Otsu法的阈值来代替传统的二维Otsu法的分割阈值，使得分割的计算复杂度大大降低。其次，研究和分析了二维0tsu算法和模糊C均值聚类算法的理论及进展，讨论了二者进行图像分割时的优缺点，对两者结合的可行性进行了探索。提出了一种基于二维Otsu和模糊聚类的图像分割方法，并通过实验证明该算法的实效性。最后，通过对彩色人脸图像分割的方法研究和色彩空间分析，提出了一种基于YCgCr空间下的阈值化图像分割方法。在此肤色分割方法的基础上，对分割后的图像进行了基于数学形态学的滤波处理，进而利用区域的面积和长宽比等信息对其进行粗筛选，将此筛选结果作为候选人脸区域输出。然后使用欧拉数的方法，对粗筛选后的候选区域进行了再次筛选与验证，得出了最后结果。