近年来,随着现代化科学技术及相关理论的迅猛发展,人们对数字图像处理的要求日益提高。在图像的分析和应用中,人们往往只是对其中的目标物感兴趣,而这些目标物常常位于图像中的不同区域,因此,我们需要根据目标物的特征把图像分成几个感兴趣区域,这就是图像分割所要完成的工作。然而,“感兴趣区域”是指该区域能与图像中的其他的目标或背景区域相对应,利用特征参数将其从不同的背景与区域中分割出来。所以,图像分割是图像研究及分析的一个核心步骤,分割出来的效果会直接影响到目标细节或关键区域的描述、识别与分析。本文研究的是基于K-Means与区域生长的ROI图像分割算法,该算法利用一种较精确的基于聚集的分割算法,核心思想是首先对图像进行灰度处理,接着利用K-Means亮度的划分可以比较准确的提取出图像的感兴趣区(ROI)。然后,利用自适应阈值算法,根据目标与背景区域的特征方差取最大值时即为图像的最优阈值T完成对图像ROI的阈值提取。再次,利用种子点的区域生长将具有类似特征性质的像素拼接起来,最终构成理想的分割区域。本课题利用K-Means与区域生长相结合的ROI图像分割算法,利用了图像的局部空间信息,该算法的优点是可以克服图像分割空间不连续的不足,算法过程比较简练,因此可以提高图像的分割速度,并且能够克服一些传统算法的时间及空间复杂度。