一种基于改进的k－均值聚类及信息融合的角膜　病灶图像分割方法,　涉及数字图像处理领域及眼病的诊断治疗,　　特征在于利用外眼角膜病灶图像特征的色度信息,　通过改进的　k－均值聚类完成图像的初次分割,　即自学习确定初始色度聚类　中心,　再通过全图搜索确定最佳聚类中心,　进行聚类分割;　其次利　用图像的亮度信息,　通过改进的k－均值聚类完成图像　的二次分割,　即自学习确定初始亮度聚类中心,　再通过全图搜索　确定最佳聚类中心,　进行聚类分割;　利用一种信息融合技术,　根据　一种新的判断准则完成对色度和亮度信息分割结果的融合;　利　用数学形态学,　设计结构算子及图像边缘检测算子,　来完成对图　像分割结果的优化。该方法复杂度低,　分割效果理想,　具有较好　的鲁棒性。