在图像处理这门技术中，图像分割是经典的历史性难题。对于有的图像使用现有的图像分割算法就可以轻松解决，但因为某些图像的特殊性，则需要一些特定的分割算法才能将其解决。迄今为止，各国学者们研究出的分割算法已有上千种，但并没有任何一种算法能解决所有图像分割问题。所以只能通过设计新的算法或者根据图像自身特点来解决新的分割问题。因此，各国学者在图像分割算法的研究中，只能通过改进已有的算法或研究新型理论来设计全新的算法来解决特殊的图像分割问题。83820

在实际运用到图像分割时，大多是通过以往的经验去选择一种认为比较合适的算法，反复操作对比，得出最佳的算法。对于计算机领域的准确性来说,图像分割更像是一种艺术,对分割算法熟悉的人能够更快地找到最佳算法，使目标图像达到最佳的分割效果。但当需要处理的图像过多时，使用这种方式就基本行不通了。论文网

很多分割算法都是针对某一特殊的图像或者特殊的领域而提出的,对于图像分割算法的通用性的研究还有着重重阻碍。另外,对于确定的图像的分割算法选择也没有可用的准则。图像分割算法在实际生活中的运用还有许多未解决的难题。

图像分割的最大研究难点在于目标图像的模糊和噪声的干扰。前面已经提到，到目前为止，还没有哪种方法能够具有完美的适用性，无论在什么情况下都能对图像进行高质量的分割。实际应用图像分割技术时，情况各异，具体情况具体分析，根据实际情况来选择合适的算法。目前还没有一个统一的判断标准来评价图像分割结果的好坏，需要从分割的效果与实际应用场景进行判断。在图像分割算法的研究历史中，人们积累了许多经典的分割算法。虽然这些分割算法并不能适用于所有图像，但却是图像分割方法进一步发展的基础。事实上，如今的很多分割算法都是在经典的分割算法中研究得来的。

早期的图像研究中，通常将图像分割算法分为两大类。一类基于边界，这种方法的假设是目标图像在原图像中一定有边缘存在；一类是基于区域，这种方法的假设是目标图像的像素之间都有某些相似特性，而与不同区域的像素之间没有共同的性质。这两种方法都存在缺点和优点，有的学者也试图把两种方法相结合。随着计算机技术的不断发展与提高，许多新的分割算法被发现并提出，如基于彩色分量分割、纹理图像分割。所使用的教学工具和实验手段也是不断的扩展，从时域信号到频域信号处理，近来小波变换也应用在图像分割当中