在低层视觉任务和多媒体应用中超像素算法已经被开发并作为基本研究工具。目前有很多超像素算法,包括基于分水岭的算法、基于密度的方法、基于图的方法以及基于聚类的方法,这些超像素算法绝大部分是针对二维平面区域内图像开展并设计出来的。近年来球面全景图的快速兴起也增加了大量对球面超像素算法的需求,但是目前为止只有两个针对球面图像设计的超像素算法。此外为了衡量球面超像素算法的性能,我们迫切需要一个统一的用于衡量球面超像素分割的基准数据集,但是至今为止仍没有一个高精度的球面分割数据集。针对仅有较少球面超像素算法的问题,在本文中我们提出了一个通用的拓展框架来将平面超像素算法拓展为球面超像素算法。该框架主要考虑了三个因素:空间距离测量、邻域范围、边界问题。在这个框架下我们拓展出了两个新的球面超像素算法。为了解决缺少高精度的球面分割数据集的窘境,我们通过三个步骤手工标注了全景图并获得了第一个基于真实场景下的球面图像超像素分割数据集。此外我们用这个基准数据集衡量了八个超像素算法的性能,包括四个球面超像素算法和四个对应的平面超像素算法,并定量地分析了分割质量,运行时间以及定性地分析了视觉分割质量。