图像分割是图像工程中一项基础而关键的技术。它是任何图像分析和图像识别过程中首要的任务，因为接下来所要做的特征提取、目标识别等都取决于图像分割的质量。近年来随着机器视觉、模式识别和基于内容的图像检索等技术的不断提高以及彩色图像的大量使用，图像分割特别是彩色图像的分割显示出越来越重要的地位。 本文在研究现有彩色图像分割技术的基础上提出了一种新的彩色图像分割处理方法——基于主特征量自适应选择的彩色图像分割方法。图像分割效果要与人的视觉心理感知保持一致，所以在图像分割中应该选择与人的视觉一致的颜色空间，其中基于视觉的HSL空间被人们广泛地采用，HSL是一个直观的颜色空间，它的每一个分量分别对应着视觉观察时的色调、饱和度和色彩的明亮程度，非常适合彩色图像分割。不过HSL空间的奇异性是一个不能忽视的问题。为了解决可视颜色空间的奇异性问题同时保持算法的一致性，我们引入颜色纯度的概念，在奇异点处我们使用颜色纯度作为色调的权值。由于图像光照和视角的差异所引起的亮度较强或者较弱等现象导致的色调失去意义的情形，不能对于任意一幅图像都认为人眼对色调最敏感，也就是说不能人为或固定的把色调作为主要特征量，所以本文通过循环平滑直方图至单峰的次数来确定主要特征量，该方法可以避免人为或固定地依据色调为主要特征量进行分割所造成的误差。由于大多数自然拍摄的图像直方图结果都比较稀疏，表现为不明显的峰谷特性，而且由于强噪声或其他因素的影响，使图像在属性空间的直方图其峰谷特性产生模糊，这就给分割造成了一定的困难，因此本文对色调和亮度直方图进行模糊增强处理，能很好的突出波峰和波谷特性。算法根据模糊增强后的直方图对像素点根据主次特征量依次进行标号，可以对像素点进行较好的聚类。本文给出了新的区域距离函数，根据区域距离函数对已形成的区域进行合并直至满足条件为止，此时得到的区域为最后的分割结果。 为了验证本文方法的性能，我们从图像分割的效果图和分割评价的测度函数两方面用大量图像将本文方法与他人算法进行对比。实验表明，本文提出的图像分割方法具有很好的分割效果。