计算机技术的出现，使得医学领域发生了重大变化，十九世纪五十年代计算机技术就已经应用在病历管理上，其后是财务管理、病房监护等等。而计算机成像技术快速发展，使得图像处理技术在医学研究领域得到了广泛的应用。通常，医生的目标锁定在能够辅助诊断、包含诊断信息的区域，这个区域往往很小，但对患者来说，一旦描述错误，则会付出非常高的代价。在原始图像中锁定感兴趣的目标，根据某种算法将其提取出来，这就是图像分割的最终目标。对于研究来说，处理对比度较低，分辨率低、噪声偏大的医学图像绝对是一个很大的挑战。　　 近年来，在医学图像分割领域涌现了很多分割方法，比如模糊计算法、分水岭算法和神经网络方法等等。其中，分水岭算法的运算效率较高，分割精度也较高，得到了广泛的应用。然而，分水岭算法的缺点就是过度分割。　　 在本文中，Contourlet变换与分水岭算法很好的结合在一起，得到了一种新的方法。新的算法步骤是:对原始图像的梯度图像运用Contourlet变换，生成多分辨率图像，对低分辨率图像运用分水岭算法得到初步分割结果。对初始分割结果运用逆Contourlet变换得到高分辨率图像，从而获得最终分割结果。这种方法非常有效地解决了过分割情况，运算效率也有所提高，也得到了较好的分割效果。　　 本文将对脑CT(Brain)和胸部CT(Breast)两幅医学图像进行分割，实验结果表明:Contourlet变换与分水岭算法相结合的算法得到的分割区域比直接运用分水岭变换得到的分割区域至少减少80％的分割区域，新算法的效率也得到了很大的提高。即新算法有效抑制了过度分割现象，提高了运算效率，并得到了较好的分割效果，对于辅助医生诊断起到重要作用。