图像分割对促进图像工程的发展非常重要,并且图像分割结果的质量对图像高层理解与分析也有着直接影响,因此图像分割为图像理解和分析的顺利进行奠定了基础。现今,由于彩色图像不但应用广泛而且能够传递极为丰富的信息,因而使得专家学者更加关注彩色图像分割方面的研究。模糊C均值聚类算法发展至今已经形成一个理论知识丰富,实践中也经常运用的算法体系。这种算法最终目的是为了将待测样本划分为若干的几类区域,并对目标函数做进一步改进以实现待测样本聚类。人类感知和图像自身的模糊性,也使得这种算法在图像分割领域里具有实用价值。而对于彩色图像分割技术的研究与发展来说,根据模糊C均值聚类算法具备的无监督性,操作不复杂,运行结果容易获取等优点,将其应用在彩色图像分割中也不显得突兀。可是实际在进行彩色图像分割时,不可避免的会存在如何选择合适的初始值,聚类过程耗费大量的时间和空间资源以及抗噪性能差等多方面的问题。根据以上所述,对于经典模糊C均值聚类算法而言,会存在如何选取合适的初始参数和部分图像分割时遇到奇异点影响图像分割质量的问题。针对这些问题,本文在模糊聚类算法的基础上,首先将颜色空间和波峰查找法结合起来对彩色图像进行分割,根据颜色直方图的颜色特性,再结合波峰查找法获取初始参数。然后在此基础上和其他方法相结合,降低部分图像聚类过程中奇异点对图像分割质量的影响。最终,结合核函数完善待测图像的适用范围以及用区域合并理论对图像分割结果进行后处理。根据实验结果表明,这种图像分割方法不但降低了噪声的影响,而且提高了算法的分割质量和执行效率。