图像分割是图像处理中的重要研究课题，随着图像处理技术在生产和生活中的广泛应用，图像分割也受到人们越来越多的重视。它作为图像处理中的关键环节，决定着最终的处理质量。由于图像分割的重要性，国内外许多学者对其进行了大量的研究工作，提出了各种各样的分割算法，但是这些算法大都是针对某个具体情况，至今还没有通用的分割算法。　　 常用的分割算法有基于阈值、基于边缘和基于聚类分析的分割方法等，这些方法适用于不同的情况。本文对这些算法作了系统的学习以及应用研究。其中基于阈值的分割算法是最简单的分割方法，它的应用最为广泛，本文将其应用于电梯监控中通过电梯内摄像头判断电梯内是否有物的功能模块。由于在电梯内部拍摄图像时会受到光线等影响，为了防止在同样没有人的情况下拍出的图像出现较大差别，本文先使用直方图均衡化以排除光线影响，再运用Otsu分割算法提取出变化的区域，从而实现判断是否有物的目的。基于边缘的图像分割着重于边缘信息，可以将图像的轮廓提取出来。本文通过应用Hough变换检测焊缝图像中的焊缝边缘，从而实现焊缝跟踪。由于Hough变换运算复杂，为了加快运算往往先对图像进行简化如提取骨架，再对其进行线段检测。最后又深入学习了均值偏移算法，该算法相对于其它基于聚类的分割算法无需预设参数，属于自适应算法，但收敛过程较慢，不利于实际应用。最后提出一种新的基于迭代路径的快速均值偏移算法，该改进的迭代算法通过使用偏移均值邻近的样本点来代替偏移均值，进而在样本集中构建出迭代路径。相对于传统的均值偏移算法，该改进方法在不影响结果的情况下减小了算法复杂度，大大加快原算法的收敛速度。最后通过实验验证了该改进算法的有效性。