近年来,医学图像处理技术在临床实践中有十分广泛的应用。医学图像分割是实现医学图像处理与分析的关键步骤,对辅助医生诊断和治疗患者病情的有着重要的意义。且由于医学图像的特殊性和复杂性,医学图像分割技术一直是医学图像处理中的难题。　　 本文针对在分割脑MRI图像的肿瘤时,GVF Snake模型轮廓自动初始化的问题,将GVF Snake模型和标记分水岭算法相结合,实现了脑肿瘤的半自动分割。　　 首先,把细化了的Canny算子边缘检测的结果作为GVF Snake模型的边缘映射,然后由分割者手工绘出初始轮廓,再进行迭代,得到肿瘤的轮廓。这种方法克服了原始GVF Snake模型对弱边缘收敛效果差的缺点,但是由人工绘制初始轮廓,不但对分割者的医学知识和经验要求高,而且对GVF Snake模型的迭代次数和分割结果的准确度影响很大。为了减少人为因素的影响和对分割者的要求,本文先使用标记分水岭算法对图像进行预分割,提取出肿瘤部分的初始轮廓,然后使用改进的GVF Snake模型对脑肿瘤部分的轮廓进行迭代,以此得到更精确的肿瘤轮廓。　　 实验结果表明,本文所使用的分割方法解决了GVF Snake模型轮廓初始化的问题,减少了对分割者医学知识的要求,降低了人为因素对GVF Snake模型迭代结果的影响,同时提高了分割的精确度和分割效率。