图像分割问题的典型定义就是如何在图像处理过程中将图像中的一致性区域和感兴趣对象提取出来，也就是人们为了分析某幅图像从而提取出自己感兴趣的部分。图像分割是数字图像分析中的重要环节，在图像处理中它是一项基本而又关键的技术。在整个研究中它起着承前启后的作用，它既是对所有图像预处理效果的一个检验，也是后续进行图像识别、分析和理解的基础。因此，对于图像分割的研究在过去的四十多年里一直受到人们广泛的重视，也提出了成千上万种不同的算法。虽然这些算法大都在不同程度上取得了一定的成功，但是图像分割问题还远远没有解决，这方面的研究仍然面临很多挑战。迄今为止，没有一个分割方法能够对任何图像都有着良好的分割效果，也不是所有算法都能在某一个图像上得到同样良好的分割效果。并且，由于缺乏一个统一的理论体系，也没有一个方法来指导我们如何根据图像选择合适的分割算法。因此，在解决一些实际的图像分割问题时，我们往往难于找到合适的算法。即使找到一些算法，每个算法也只适用于部分图像。鉴于此，本文的主要研究内容包括：一是对彩色图像分割中出现的彩色空间的归纳和总结，分析各类彩色空间的特点。二是针对当前典型的彩色图像分割方法进行概括和分析，指出各类分割方法的优缺点，然后针对这些内容提出本文的分割方法。本文分割算法是：首先对自然彩色图像选取合适的颜色空间（我们选取RGB彩色空间），然后进行滤波和八邻域区域生长之后得到初步的分割图，在区域生长算法中我们选择在彩色图像上取灰度值最大（最亮）的点作为生长的初始种子点。滤波处理我们采用了中值滤波，传统滤波方法大都采用高斯滤波处理，高斯滤波的一个缺点是不能消除噪声样本反而会使图像边缘区域模糊导致分割不准确；而中值滤波是非线性滤波，他可以在同时保留图像边缘特征的基础上实现噪声的独立消除。而且在经过中值滤波处理之后的每个像素实际上代表了该像素邻域上的均值，这对接下来的区域生长和聚类提供了很大的方便。最后的聚类我们采用K-means聚类，对生长之后的图进行区域聚类分析，从而得到整幅图像的完整分割。实验结果表明，该分割方法具有良好的分割性能。