图像分割是提取图中重要信息的一种专业性很强的处理技术,它的处理效果的好坏将直接影响到后续流程对输入图像再次进行优化处理的成本大小。目前图像分割领域已有非常大的突破,许多优秀的方法在分割的准确性以及目标物体边界契合度上效果较好,但过渡进行分割和欠分割仍然是目前所面临的严峻问题。分水岭算法是一种基于测地拓扑学的图像分割技术。由于梯度图像中细节纹理和噪声的影响,分水岭算法会出现过分割现象,影响分割效果。为了提高图像分割的准确性,又考虑到区域合并过程复杂,计算量大,所以本文提出两种在分水岭分割之前进行预处理的改进算法,分别为基于多尺度形态学标记的分水岭算法和基于纹理特征和模糊核聚类结合的分水岭算法。基于多尺度形态学标记的分水岭算法首先利用H-minima变换对梯度图像进行初始标记,然后利用各尺寸的结构元素对梯度图像进行形态学闭重构,将闭重构后的各梯度图像分别与梯度图像相减,把差值图像作为标记图像,并将各标记图像的并集作为新的标记;最后利用面积阈值移除新的标记图像中少于特定像素个数的斑点,得到最终的标记图像;利用强制极小值技术修改梯度图像并对其进行分水岭变换。通过对仿真结果的分析证实了该算法是一种较好的方法。基于纹理特征和模糊核聚类结合的分水岭算法首先将RGB空间转化为L*A*B颜色空间;其次从纹理角度进行聚类,将相似纹理特征的区域块进行组合归类;然后从色彩角度进行聚类,采用模糊核聚类将L*A*B通道中颜色特征相似的像素进行合并;最后利用分水岭算法对彩色梯度图像进行处理;通过仿真结果的对比与分析证实了该算法是一种较好的方法。