图像分割是图像处理的主要问题，也是计算机视觉和模式识别领域中的重要组成部分。图像分割是图像工程中图像处理的首要步骤，图像分割的结果直接影响到后续的图像处理过程。在过去的四十年中，黑白图像的应用范围比较广，因此关于黑白图像算法的研究有很多。但随着科技的进步和各种硬件成本的降低，彩色图像已经在新的世纪中取得了毋庸置疑的主角地位，彩色图像以其符合人眼的视觉特征和丰富的彩色信息，在人们的日常生活和科技应用中发挥着重要的作用。但因为彩色图像广泛应用的时间较短，关于彩色图像处理的算法和研究不如灰度图像的系统规范，但可以借鉴很多灰度图像的处理方法来处理彩色图像。本文首先对现有的常用的彩色图像模型进行了介绍，归纳了各个颜色空间的物理模型和其在处理中的优缺点。回顾了现有的彩色图像的分割算法的发展历程，简要分析了各种主要图像分割方法的步骤，指出了算法存在的长处和缺陷。本文通过对现有的图像分割方法的学习，融合了人类视觉特征和改进的模糊聚类方法实现对彩色图像的分割。实验通过对人类视觉的生理结构的研究，在人类视觉无法辨别的范围内，将彩色图像的RGB亮度范围从原始的0到255缩减为0到26、28、26，既保持了图像的视觉特性，同时减少了表达图像的类的数目，从而能够准确高效的得到图像中各类颜色的极值点。通过这些不同颜色极值点的排列组合来得到初始聚类中心，这种聚类中心的选择考虑了各个图像自身的信息，能得到其精确的聚类中心，减少了图像分割后期迭代的次数，在一定范围内节约了运算时间。实验结果表明，和传统的直方图阈值方法相比，其分割结果的可调控性较强，而且分割效果也较好。最后，在对自身算法的总结中提出了可以改进的空间和算法有待提高的方向，通过对各种颜色空间和聚类方法的不同组合来发现更为有效的图像分割算法。