近年来,随着计算机的普及和现代信息技术的高速发展,计算机被越来越多地用来获取与处理视觉图像信息。在研究视觉图像信息的过程中,常会对图像或者视频中的某些特殊区域感兴趣,而这些区域往往都包含着特定的、具有独特性质的视觉信息。为了进一步分析处理这些区域,首先需要将它们精确地分离出来。这种提取目标区域的技术就是图像分割技术。作为处理视觉图像信息的基础,应用在图像和视频中的分割算法是视觉信息处理的关键技术。数学形态学是一种新的非线性图像(信号)处理和分析理论,它摒弃了传统的数值建模及分析的观点,从集合的角度来刻画和分析图像,以其理论体系的完整性、严密性和几何表现的直观性,为视觉信息处理提供了一种统一的处理工具。本文将数学形态学的理论与经典的分水岭分割算法相结合,提出一种有效图像分割算法。目前,分水岭算法的问题主要集中在两个方面：初始种子点难以有效确定；以及图像的过分割。本文围绕这两方面展开深入研究,借助数学形态学和其他工具,改进了分水岭变换的区域分割算法。本文主要的工作和研究成果如下：1.阐述了课题的研究背景及意义,给出了视频图像分割的有关概念,并对目前分割算法及国内外研究现状进行了综述性质的分析。介绍了本文中所用到算法的相关基础理论及应用。2.针对传统分水岭算法易受到诸如光照强度、噪声等不利因素的干扰,首先对图像作预处理,主要包括图像增强、中值滤波、边缘检测及数学形态学开闭(闭开)重构滤波等操作,有效地抑制了噪声,为后续工作奠定了良好基础。3.针对传统分水岭算法中有效选取汇水盆地的问题,利用前期的预处理以及自适应的区域标记提取算法,改进了汇水盆地不能自动确定并生成的问题,可以快速、准确地计算出区域标记,并克服噪声对图像的影响；同时针对传统分水岭算法的过分割问题,借助Mumford-Shah能量方程,实现了过分割区域的合并。改进的能量方程计算复杂度较低,参数选取简单,大大加快了过分割区域的合并速度。通过与对比算法的实验比较,本文所提出的算法可以得到更为准确的分割效果。4.实验总结。该部分主要对实验的结果进行比较与分析,同时对本课题下一步的工作重点和难点进行说明,对基于数学形态学的分水岭算法的发展进行了展望。