图像分割是指将原始图像根据其像素点具有的不同特性,分类到不同的区域,再从这不同的区域中筛选提取出我们需要的目标区域,这是图像处理领域中非常重要的一个分支,并且广泛应用在生活中的各个方面。自从模糊聚类分析被引入到图像处理领域,对于图像分割中的不确定因素,有了很好的解决方法,且对比其他的传统分割算法效果更好。针对经典模糊聚类算法的缺点,通过对图像的预分割算法进行改进,得到基于LAB空间下加权梯度图像的分水岭分割算法,再和加强模糊聚类相结合得到基于加强模糊聚类的LAB空间下的超像素分割算法,并通过实验验证本文提出的新算法的图像分割效果良好。本文主要内容如下:（1）第二章主要介绍了模糊聚类分割算法的基本思想和相关公式。在本章中分别介绍了传统模糊聚类算法FCM,以及FCM＿S算法、FCM＿S1算法、FCM＿S2算法、En FCM算法和FLICM等算法。第三章介绍了分水岭分割算法的基本理论以及Canny算子,通过实验展示了Canny算子相较于Sobel算子的优势。（2）第四章提出了结合形态学的加权分水岭分割算法。主要通过对梯度图像的求解进行改进,首先利用LAB空间的优势,把RGB空间下的图像转换到LAB空间;第二步,通过对传统Canny算子的研究,考虑增加两个对角线方向;第三步,对LAB空间下的三个通道图像分别用改进后的Canny算子进行梯度图像的求解,最后利用信息熵加权得到最终的梯度图像;第四步对梯度图像利用形态学梯度重构,最后使用分水岭分割算法,得到分割结果。根据对实验结果图的主观观察和客观数据的分析,可以证明本文提出的算法有效地解决了关于图像的复杂的环境、物体的纹理、光照阴影或者反光等因素造成的过度分割和分割不足等图像分割的问题。（3）第五章提出了结合加权分水岭的En FCM分割算法,将加强模糊聚类分割算法和基于LAB空间下加权梯度图像的分水岭分割算法结合,通过对比实验结果,本文算法能够避免过分割,同时也能兼顾图像的空间信息和灰度信息,在主观评判的分割结果方面以及客观评价方面都呈现了更好的效果。