图像分割是图像分析、识别和理解的基础，是指将图像分成各具特性的区域的技术，图像分割是很多高级图像处理技术(如可视化、图像压缩、医学图像诊断等)的重要基础工作。 迄今为止己经有很多种不同的图像分割方法提出，仅仅依靠阈值等简单的方法已无法满足各种不同需要且成为图像分割发展的一个障碍，因此寻求既快速又有效的算法来解决各种图像分割问题正成为一个研究重点。 最近几十年来，随着对图像分割方法的不断研究，基于图论的图像分割方法越来越受到人员关注，本文在前人工作基础上对基于图论的图像分割算法及等周分割算法进行了研究。 具体如下： 首先研究与分析了一般的图像分割方法及特点，包括阈值分割、区域分割、边缘检测和形态学分割等，重点研究了区域生长算法。 其次，对基于图论的图像分割方法进行了探讨，这类方法的重点就是把图象看成带权的图，在此基础上寻找最优割集来完成分割，论文重点研究了NormalizedCut和以计算机视觉与等周常数为基础的等周分割方法，根据原理进行了仿真实验，结果表明，此方法具有较好分割效果，和其他图论分割方法相比，速度快且稳定性好。 此外论文对方法的优缺点做出了总结并提出改进，提出了一种综合区域生长算法与等周分割算法的新算法，仿真结果表明，方法既不会产生过分割，又具备区域生长的局部分割优点，还具有基于图论分割在全局分割上的优点。