为提高超像素分割算法的边界贴合精度，提出了一种基于由粗至细超像素模糊聚类的图像分割方法(CFSFC)。该方法首先对图像实施精细预分割，继而采用高斯分布模型描述超像素特征，并通过均值和标准差向量构建超像素的特征向量。在此基础上，将Wasserstein-2距离引入目标函数，设计了一种新颖的基于超像素的模糊聚类方法，从而实现对特征向量的有效聚合。实验结果表明，与现有的超像素分割方法SLIC、WSGL和MMGR-WT相比，CFSFC的边界位移误差(BDE)指标分别降低了0.855、1.068和1.236。此外，在抗噪声能力和计算效率方面，该算法也展现出优于现有方法的性能，说明CFSFC具有良好的分割精度和稳定性。