图像分割在整个图像工程中占有重要的地位，它既是图像处理中的研究重点之一，又是图像分析和图像理解的基础。彩色图像作为一种常见的图像种类，其本身携带可视信息的丰富性及其应用的普遍化，决定了对其分割技术研究的重要性。模糊C均值(Fuzzy C-Means，FCM)聚类算法是一种理论最完备、应用最广泛的经典模糊聚类算法，它通过对目标函数的迭代优化来实现对数据集的模糊划分并具有很好的收敛性。图像本身及人类视觉的模糊性为基于模糊聚类的图像分割方法提供了理论上的可行性，运用FCM算法进行彩色图像分割具有简单、易实现的特点，且聚类过程中无需人工干预，可应用于自动分割领域，这使得基于FCM算法的彩色图像分割技术的研究具有很好的理论基础，然而，运用这种经典的模糊聚类算法进行彩色图像分割仍然存在聚类数的选取、初始聚类中心的确定、迭代过程中的大计算量及后处理等多方面的问题。本文在对上述问题进行研究的基础上，针对传统FCM聚类分割时初始值选取方法的盲目性和随机性，为了更准确地自动获取待分割图像聚类的初始参数，提出了一种结合爬山法的模糊C均值彩色图像分割方法，该方法可根据待分割图像的三维颜色直方图自适应的获取FCM算法的初始聚类中心及聚类数目，同时提出一种最频滤波与区域合并相结合的新的后处理策略，有效消除了小的空间区域。实验表明，该图像分割方法速度较快，分割结果更接近人类分割效果。