图像分割算法的研究已有几十年的历史，一直以来都受到高度重视。关于图像分割的原理和方法，国内外已有不少论文发表，但一直以来没有一种方法适用于所有的图像分割处理。传统的图像分割方法存在着不足，不能满足人们的要求，为进一步的图像分析和理解带来了困难。
随着计算机技术的迅猛发展，图像分割等技术能够在计算机上实现，即从图像中将某个特定区域与其它部分进行分离并提取出来。图像分割的方法有许多种，有阈值分割方法、边界分割方法、区域提取方法，以及结合特定理论工具的分割方法等。
早在1965年，就有人提出边缘检测算子，边缘检测已有不少经典算法。越来越多的学者开始将数学形态学、模糊理论、遗传算法理论、分形理论和小波变换理论等研究成果运用到图像分割中，产生了结合特定数学方法和针对特殊图像分割的先进图像分割技术。
有关图像分割的解释和表述有很多 ，借助于集合概念对图像分割进行表述，可以给出比较正式的定义。
令集合R代表整副图像的区域，对R的分割可看成将R分成满足以下5个条件的非空子集（子区域）R1，R2，…，Rn。
（1）
对一幅图像所得的全部子区域的综合（并集）应能包括图像中的所有像素（就是原图像），或者说分割应将图像的每个像素都分进某个区域中；
（2）对所有的i和j，有i≠j，Ri∩Rj=∅：在分割结果中各个子区域是互不重叠的，或者说在分割结果中一个像素不能同时属于两个区域。
（3）对i=1,2，…，N，有P（Ri）=True：在分割结果中每个子区域都有独特的特性，或者说属于同一个区域的像素应该具有某些相同特性。
（4）对于i≠j。P（Ri∪Rj）=False：在分割结果中，不同的子区域具有不同的特性，没有公共元素，或者说属于不同区域的像素应该具有一些不同的特性。
（5）i=1,2，…,N,R，Ri是连通的区域：要求分割结果中同一个区域内的像素应当是连通的，即同一个子区域的两个像素在该子区域内互相连通，或者说分割得到的区域是一个连通组员。
最后需要指出，在实际应用中，图像分割不仅要把一幅图像分成满足上面5个条件的各具特性的区域，而且需要把其中感兴趣的目标区域提取出来。只有这样才算真正完成了图像分割的任务。
图像分割是把图像分割成若干特定的、具有独特性质的区域并提取出感兴趣目标的技术和过程，这些特性可以是像素的灰度、颜色、纹理等，提取的目标可以是对应的单个区域，也可以是对应的多个区域。
