随着互联网的出现和在不同领域的应用,图片的数量在不断地增加,对图片内容检索的需求也在增加,因此CBIR(基于图像内容的检索)的研究也吸引了如计算视觉、图像处理、数据库等众多领域的研究人员。同时CBIR也在生物学,医学检测等不同领域发挥着重要的作用。许多学者提出了依据整幅图片检索的不同算法,如图像的颜色直方图算法。但是依据整幅图片的检索太大,不能成功的检索。所以必须对现有的图像进行分割,用此幅图像的一些分割的特征对其进行检索。这样的方法对于需要从大量的图片中找到感兴趣的图片是非常有用的。因此彩色图像分割是希望依据其视觉连贯性进行分割。彩色图像分割基于许多的因素,如图像的模糊程度,色彩的强度,色彩的对比度,甚至是所需要分割的数量等。由于感兴趣的方面不同,所以图像分割技术也不同。大部分自动图像分割算法分类如下：1.门限阈值算法；2.基于边界的图像分割算法；3.基于区域的图像分割算法；4.聚类算法。本论文通过分别研究灰度图像分割和彩色图像分割,来达到网络所需要的图像分割通用性的目的。灰度图像分割是在研究了多种传统分割的基础上,选择了OTSU门限阈值的图像分割进行改进,通过算式的推导,发现其内在的一些特性,然后根据其特性进行后期的结果修正。并讨论了前期的子图像分割的必要性和所要分割的数量。彩色图像分割章节,选取一个符合人们解释颜色习惯的彩色空间HSV,并通过此空间的爬山算法进行图像分割。但是此算法不能达到所要求的标准,所以在对问题分析的基础上,通过对此算法进行了量化预处理,结果的再次细分和分割区域的合并来实现算法的修正,使其能够满足所设定的标准。