本文主要研究了医学图像的自动分割算法及其若干应用问题，包括:MR图像中脑部肿瘤的分割、彩色图像中的人体舌像的分割、以及CT图像中的骨质的分割;所研究的算法包括:基于最小描述长度的分割算法、可变形模型分割算法、模糊聚类算法，以及均值移位聚类算法。 在MR图像分割方面，本文改进了区域竞争算法，并利用它实现了医学图像序列间的连续自动分割，特别是脑肿瘤的分割和脑膜瘤的自动识别。本文还研究了snake (GVF)模型，并将其应用到人体舌图像的分割。考虑到人体舌图像的特征，本文创造性地在提取边缘时同时考虑颜色和灰度信息，使提取出来的边缘更加可靠和精确，并采用了snake (GVF)模型演化出最终闭合的舌体轮廓。 在CT图像分析的工作中，本文主要研究了聚类方法在骨质提取中的应用。首先采用了模糊C均值聚类算法解决了模糊的问题，并且改进了目标函数使其拥有更好的抗干扰性能。实验证明，本文采用的改进模糊C均值聚类方法对大多数CT图像分割能得到很好的结果。另外，本文还将广泛应用于视频跟踪领域的Mean Shift算法应用到图像分割领域并且取得了很好的分割效果。