随着超像素算法的发展,SLIC由于时间复杂度低及良好的分割结果而被广泛关注。但是由于传统的SLIC算法并没有考虑到图像的纹理信息,故而对于纹理较复杂的图像分割效果略有不足。LBP对于纹理的识别有着优秀的表现而且时间复杂度低,但是对于噪声的鲁棒性较差,并且会产生纹理偏移。因此,本文首先针对传统的LBP中存在的问题进行改进;然后将改进后的算法与SLIC结合,提出一种融合纹理信息的超像素算法——SLICT(Simple Linear Iterative Cluster based on Texture)。为验证分割效果,本文选取纹理较多的医学图像进行实验,采用心脏MRI数据库进行验证并与其他超像素算法进行对比。实验表明,SLICT在边缘召回率、欠分割错误率以及覆盖率上的综合表现优于其他算法。从分割结果上来看,SLICT不但能够更好地贴合图像边缘,而且对于连续区域的分割效果也较好,更适合纹理较复杂的图像。