在之前的一些图像分割中，主要采用两种方法来进行实施分别为边界法和区域法。边界法主要就是通过对边缘的一种假设来求得的，若某个图像已经经过分割处理，那么其中的某个区域就在未经处理前的图像中存在边缘。而后面所说的区域法其实也同样是通过对区域性质的一种假设来进行计算的，图像在经过一定的分割处理会有很多的子区域产生，那么这些子区域的性质就一定都一样，相反若本身的区域就不相同，那么区域里的像素性质也肯定是不一样的。通过上文中描述的一些简单介绍我们可以发现都是各有所长，也各有所短。很自然的就有人猜想能不能结合这两种方法的优点来对图形分割进行操作呢？这样不就扬长避短了吗。但是事实的发展往往与人所想背道而驰，现在的计算机功能越来越多，应用范围也自然越来越广，使得很多用计算机处理的办法变多用来处理纹理图像分割、基于彩色分量分割等等。为此我们也不得不更新很多实验手段来应对这一领域的发展，大到从时域到频域的一个运算和图像分割，小到小波变化都被包含其中。80801

就目前情况而言，分割问题中存在的最大困难因素就是图像数据模糊跟噪声干扰。而且到目前为止，还没有找到一种能对任何图像进行一个精确分割的方法。毕竟实际中的图像景物情况各异，不可能按照平时处理的图像那么标准，图像处理时每个相对应的问题都要一个个的分析解决，而不能从现有的方法中找出一个能全部解决的。而且到现在为止我们也没能找到一个评判的标准来对分割结果进行一个评定，至于最终所得到的分割效果还是我们自己将它们与现实进行对比所得知的。现在我们很多的图像分割法都是依赖于以前的研究历史，从中发现了许多经典的图像分割法从而加以运用。虽然这些分割法也并不是在所有类型的图像分割中都适合，但最起码也是为我们以后的研究图像分割法奠定了基础。事实上，我们现在很多分割算法就是从这些经典的分割法中衍生出来的。论文网

随着现在很多理论的完善和成熟，图像分割技术发展也得到很大的进步，并且涉及到的应用范围也越来越广泛，比如医学、遥感、红外等领域。现在国内外就已经有很多的大学跟科研机构都专门为此设了机器视觉实验室就是为了对这方面技术进行一个更深入的研究，我们也相信随着图像分割的不断深入研究，更新更精确的分割方法也将会不断被提出和应用。