数字图像处理(Digital Image Processing)是通过使用计算机来分析处理原始图像信号转化而成的数字信息的技术。该技术在工业生产、医疗影像、保安监控、图像编码、卫星遥感以及军事、体育、农业等诸多领域都有着广泛应用,因此对数字图像进行分析处理的研究是当下计算机科学领域的热点之一。而且图像分割是计算机图像处理技术科研领域的热门研究方向之一,也是计算机对图像进行特征提取、目标识别等处理分析技术的必要条件,图像分割的效果如何,会直接影响到对图像的后续分析和处理。本文首先对涉及的相关理论知识进行了简要介绍,主要包括形态学在图像分割中的应用、分水岭变换的基本理论、基于灰度相似度的区域合并算法以及模糊逻辑算法的理论基础。其中,形态学理论主要用于图像预处理过程,对图像进行滤波处理与梯度变换,目的是为后续步骤减少噪声干扰、降低运算复杂度。分水岭变换则是用于对图像进行初始分割,但是由于分水岭变换易产生过分割现象,所以需要继续对初始分割图像进行处理。针对分水岭变换算法对细微变化也会产生积水盆而导致过分割问题的缺陷,本文方法利用了分水岭变换可以得到封闭区域的特点,采用区域合并方式抑制这种现象。首先利用区域邻接图表示分水岭变换后得到的图像中的区域的拓扑关系,并计算区域的灰度均值,以相邻区域之间的灰度相似度作为邻接图的弧的权值,然后通过基于灰度相似的区域合并算法对图像进了区域合并。为了提高区域合并算法的准确度,引入了链码的概念,利用链码差与边缘上点的曲率成正比的特点,对传统的边缘曲率评价函数进行改进,利用链码差的平均变化率来描述边缘的规则程度,降低了计算边缘曲率的时间和复杂度。同时,为了解决多指标综合评价问题,本文提出了一种改进的基于模糊逻辑的区域合并算法。通过模糊推理方法,输入两个相邻区域的边缘有效性与灰度相似性,根据模糊规则库推理和去模糊化结果输出为两个区域的可合并度。然后根据可合并度指导区域合并,将符合可合并度条件的相邻区域归并为一个大区域。该方法能够通过模糊推理过程来模拟人类对区域合并判断推理的思维过程,改进了为多个指标设置固定权值的方法。区域合并结果在保证重要轮廓信息不丢失的前提下,大量减少无效区域,提高了分割结果对图像中物体轮廓的概括性,较好的达到分割图像的目的。