在野外自然条件下,机器视觉获得的紫色土彩色图像难免包含种植的作物、地衣、苔藓、杂草等复杂背景,会干扰对紫色土土种的机器视觉识别。因此,从视觉图像中分割提取出紫色土区域图像,是进一步辨识紫色土土种,分析紫色土土壤学属性特征的基础工作。本文主要对野外自然条件下机器视觉采集的紫色土彩色图像中紫色土区域进行分割提取。主要工作如下:（1）为分割提取完整的紫色土区域,改进SLIC算法分割紫色土彩色图像。引入闵可夫斯基距离重新定义SLIC算法的颜色空间距离实现SLIC算法改进,利用改进SLIC算法实现对紫色土彩色图像的超像素初分割;然后,重构基于a分量的度量a_{ne w}拉伸紫色土与背景差异,基于度量a_new定义超像素之间的相似度,并利用类间方差最大化模型优化超像素之间相似度的合并阈值,根据阈值从初分割图像的中心超像素开始由内而外合并紫色土超像素。最后,设计空洞填充算法填充紫色土区域内部空洞,获得最终分割提取的紫色土区域图像。对比阈值分割算法、聚类分割算法、前人改进SLIC算法,本文改进SLIC紫色土分割算法分割提取的紫色土区域图像的平均分割精度更高。但其需要人为初始化超像素个数和颜色归一化参数,无法实现自适应分割。（2）为实现紫色土彩色图像的自适应分割,改进FCM算法分割紫色土彩色图像。利用紫色土图像的a分量到各峰值点的高斯距离均值,建立基于高斯距离均值的最大差分优化模型,求解该模型自适应获取FCM算法分割获取紫色土区域图像的最优聚类数和聚类中心。定义子类的离散度,加权数据点到聚类中心的距离,从而重构基于FCM算法的紫色土分割优化模型,实现紫色土彩色图像的初分割。为保证紫色土区域分割的完整性,设计了紫色土区域边界提取和紫色土区域填充等后处理算法。实验结果表明,改进FCM的紫色土彩色图像自适应分割算法的平均分割精度高于对比算法,且执行速度较快。但对紫色土形成环状连通域,内部包含背景,本文后处理算法会将背景视为土壤空洞进行填充,针对该情况需进一步进行研究。