图像分割是将图像按照一定的规则分割成若干个特定的区域,然后将这些区域提取出来的过程。随着计算机图形学以及二维、三维图像技术快速发展,图像分割技术作为其中重要的基础步骤之一已经被广泛应用各个领域。但目前多半图像分割工作主要集中在二维图像的处理上。RealSense立体深度摄像机作为可以同时获取彩色图像和深度图像的设备,其提供的深度图像中的深度信息为当前在三维图像方面的研究提供了技术储备,目前利用RealSense进行研究已经成为趋势。为此,本文以GrabCut图像分割算法为基础,在二维图像分割算法的基础上结合RealSense摄像机获取的深度信息,对三维图像分割技术进行研究,主要工作如下:首先,为提高GrabCut算法在图片细节丰富时的分割效率与分割效果,在预处理过程中,用SLIC算法(线性迭代聚类算法)引入超像素以代替像素估计高斯混合模型的参数,构造网络流图;用流行排序算法进行背景先验和前景先验生成显著图,将显著图融合并进行优化,通过对显著图进行阈值分割以获得显著目标的分割结果,使得前景背景更加分离。SLIC算法能有效地提高算法分割效率,减少分割时间。然后,本文提出了一种融合深度信息的GrabCut算法,将普通的二维分割算法转变为三维分割算法。深度信息提取于RealSense深度摄像机获取的深度图像,以深度信息指导生成显著图以进行算法的初始化;然后再将深度信息引入GrabCut算法的能量公式。深度信息可以描述出物体距离拍照源的远近,更加准确地区分目标对象和背景。将改进后的算法与其他图像分割算法进行对比,实验表明,同时利用深度信息和颜色信息可以使分割结果更精确。本文提出的新的三维图像分割方法,在背景与目标物体颜色相近区别较小或者图中存在阴影时,有效改善了分割结果,提高了算法的分割效率以及分割准确度,为图像分割技术的研究提供了一种新的思路。