多年来经过许多学者的不懈努力，已经提出了成百上千种的图像分割算法，并且每年还不断有新的算法产生。图像分割是图像从处理到分析的转变关键，也是一种基本的计算机视觉技术。通过图像的分割、目标的分离、特征的提取和参数的测量将原始图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成为可能，因此它被称为连接低级视觉和高级视觉的桥梁和纽带。但是,图像分割也是图像工程中的难点，一方面是图像分割至今没有通用理论，也没有适用于不同类型图像的通用算法，判断算法优缺点的标准也没有得到统一。另一方面，图像分割的根本目的是图像理解，可是图像分割往往需要经过图像理解后得到的知识给予指导。9361
在对图像的分析研究和应用中，人们通常对图像中的某些特定目标（Object，在有些场合也称为对象）感兴趣，例如：汽车的车牌或者血液中的细胞等等。为了分析和识别这些目标，它们首先必须从图像中被提取出来。这种获得目标的技术被称为图像分割技术（Image Segmentation）。图像分割就是将图像分成若干具有特定意义的区域并将它们提取出来的图像处理技术。它是一种很重要的图像处理技术，是识别和理解等后续过程的必要前提，是从图像处理进到图像分析的关键步骤。例如，在交通监控系统中的车牌识别过程就是首先确定车牌的位置并分割出其中的字符和数字区域，然后对这些分割得到的区域进行识别。
图像分割作为一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多，有些分割运算可直接应用于大部分图像，而另一些只能适用于特殊类别的图像。有些算法需要先对图像进行粗分割，因为他们需要从图像中提取出来的信息，例如，可以对图像的灰度级设置门限的方法分割。分割结果的好坏需要根据具体的场合及要求衡量。图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的理解。
边缘提取和分割是图像分析的经典研究课题之一，目前的理论和方法仍存在许多不足之处，仍在不断改进和发展。需要说明的是：边缘与物体间的边界并不等同，边缘指的是图像中像素的值有突变的地方，而物体间的边界指的是现实场景中的存在与物体之间的边界。有可能有边缘的地方并非边界，也有可能边界的地方并无边缘，因为现实中的物体是三文的，而图像只具有二文信息，从三文到二文的投影成像不可避免的会丢失一部分信息；另外成像的过程中的光照和噪声也是不可避免的重要因素。正是因为这些原因，基于边缘的图像分割仍然是当前图像研究中的世界级难题，目前研究者们正在试图在边缘提取中加入高层的语义信息。
对图像分割算法的研究已有几十年的历史，借助各种理论至今已提出了上千种各种类型的分割算法。尽管人们在图像分割方面做了许多研究工作。但由于尚无通用分割理论，因此现已提出的分割算法大都是针对具体问题的，并没有一种适合于所有图像的通用的分割算法。但是可以看出，图像分割方法正朝着更快速、更精确的方向发展，通过各种新理论和新技术结合将不断取得突破和进展。
由于图像的多义性和复杂性，许多分割的工作无法依靠计算机自动完成，而手工分割又存在工作量大，定位不准确的难题，因此，人们提出了一些人工交互和计算机自动定位相结合的方法，利用各自的优势，实现目标轮廓的快速定位。
相信这些交互式方法的应用，必将推动图像目标分割与提取这一既具有广阔的应用前景又具有重要的学术价值的课题的进一步研究，也必将成为一个更为独立和活跃的研究领域。 图像分割算法的发展和研究现状:http://www.youerw.com/yanjiu/lunwen_8067.html