现代工业的发展和人们生活水平的提高，使得对皮革制品的需求不断增加。然而，由于皮革自身特性的限制，传统的皮革生产加工工艺的效率低下，并且成本高昂，成为了皮革制品生产发展的一个重要的障碍。为了提高皮革切割生产的效率并降低生产成本，将计算机技术与传统的皮革切割生产工艺相结合研制了皮革切割CAM系统。在此系统中，将皮样曲线从皮革图像中提取出来是一个关键的问题，也是一个典型的图像分割问题。 皮革表面具有特殊结构，这种结构使得皮革在任意光源的照射下都会产生反光，并且反光的亮度可能高于皮样曲线的亮度。这就使得基于亮度的分割方法不能够完成皮革图像的分割问题。因此，考虑利用皮革图像中的彩色信息解决这个图像分割问题。 针对典型的皮革图像，分析了9个代表颜色信息的特征量的特点。这9个特征量分别是：Y、H、S、I、I1、I2、I3、I2’、I3’，其中Y是在进行灰度图像分割时最常用的特征量，H、S、I来自HSI模型，I1、I2、I3、来自I1I2I3模型，I2’、I3’是I2、I3的变形。实验结果表明，特征量S、I2、I2’对于皮革图像有较好的分割效果。 根据这一实验结果，并结合了图像分割的现有成熟理论与算法，提出了4个针对皮革图像的分割算法。为了验证这4个算法的有效性并比较它们的分割效果，设计了一个分割算法的评价实验。算法评价实验的结果表明，4个算法中采用特征量I1、I2’的多维阈值分割方法具有最好的分割稳定性和执行效率，最适用于皮革切割CAM系统。 在皮革切割CAM系统软件中实现了这个算法，并将其应用于实际的生产环境。现场应用表明，本文的采用特征量I1、I2’的多维阈值分割方法较好的解决了皮革图像的分割问题。