图像分割是将图像表示成为物理上有意义的连通区域的集合，即图像像素点在不同区域间的所属归类问题；粒度计算主要是研究不同粒子往返跳转于不同粒度空间，以寻求所属粒度区域的过程。显然，图像分割与粒度计算存在一定的共性。截止目前的研究，针对某一特定图像问题的解决方案，都是单一的运用粗糙集或者商空间的方法，并没有一个完整的运用粒度计算的理论来实现对图像的处理方案。本文的主要工作是应用粗糙集和商空间的独立或相互结合的理论，分别在灰度图像、彩色图像和纹理图像的环境下，得出不同的分割方法。　　 对于灰度图像的分割，文中采用一种基于粗糙集理论的图像分割方法。算法中首先给出待分割图像的直方图，通过提取直方图的外层像素点作为粗糙集的上近似部分，计算像素点周围的局部模糊程度，用以更新粗糙度；然后使用局部模糊粗糙度和待定算子来更新FCM算法中的隶属度函数。这样应用一个全新的隶属度函数重新对待分割图像进行聚类，得到不同的分割区域，即实现了灰度图像的分割。　　 在对彩色图像分割的实现过程中，本文吸取了基于主分量分析技术和最终相似关系的方法。首先提取彩色图像的像素矩阵，计算采样像素点的协方差矩阵、特征值和特征向量，利用特征向量构成分割区域的特征空间；通过特征空间计算出不同所属区域的权重矩阵；使用该权重矩阵利用特征空间聚类方法进行聚类分析，构造出一个更加规整的、分布较为合理的知识信息表；根据知识信息表，分别计算对应像素的值约简、属性权值；根据上述所得信息表和求出的不同属性下的值约简、权值等信息，做出对相似区域的划分；最后根据相似度进行最后的整体相似性的合并，从而完成整个计算过程，也即完成了对彩色图像的分割。　　 由于纹理图像局部有序性、整体无序性的特点，本文应用商空间理论的元素关系性，以及粗糙集理论中元素属性的局部模糊性的特征，来对纹理图像的分割单独进行处理。利用傅里叶变换对像素空间进行投影转换，得到直方图的初步统计；然后运用统计结果，计算图像像素的特征数字，并求得图像中各个像素点的梯度值，从而获取图像中的纹理部分，完成纹理图像的粗分割。粗分割后把纹理图像的不准确边缘作为灰度图像的阴影，通过各个纹理的空间约束进行聚类，进而完成纹理图像的细分割。