图像分割是图像处理过程中的关键步骤，就是把图像划分成若干个具有各自独特性质的区域并从中提取出我们感兴趣的区域。对于如何快速有效地提取出目标区域一直受到广大学者的关注，是图像处理中的一个热门课题。　　本文首先研究介绍了几种现有较为流行的分割算法，主要包括基于阈值的图像分割、基于边缘的图像分割、基于区域生长的图像分割、基于分水岭算法的图像分割等。然后重点研究了分水岭分割算法和区域生长算法，提出了相对应的改进算法，并且通过实验验证了本文算法的可行性。　　对于分水岭分割算法。本文在现有的基于梯度的分割和基于标记的分割算法的理论基础上，重点研究了一种基于控制标记符的改进分水岭算法。该算法首先计算图像的八方向梯度图像，然后通过形态学运算和傅里叶变换去除局部极大值点，并提取出极小值点作为标记符集合，然后进行分水岭分割，有效地减少了过分割的现象，保存结果以待后续操作。　　本文研究了图像数据场和势函数的概念以及图像分割的粒计算原理。图像的势函数可以更好的反映像素点和其邻域的关系，通过选择不同的影响因子可以将图像分成多种粒度层次进而实现图像的分割。　　对于种子区域生长分割算法。本文介绍了算法的基本原理，影响分割算法结果的三个因素:分别为初始种子点的选取、区域的生长合并规则以及生长停止的条件。　　基于图像势函数和区域生长算法的概念，本文提出一种基于图像数据场的改进区域生长分割算法。本算法采用边缘检测提取边缘平均灰度值作为种子点，再结合图像的势函数作为生长准则，通过最小化势熵确定影响因子minH(σ)，最终实现了图像的分割;最后与最近提出的一种改进的K均值聚类算法相对比，实验结果显示本文算法可以更好更快地实现图像的分割。