医学图像分割技术在医学诊断、规划、治疗中具有十分重要的应用价值。而结肠镜图像由于其变化多样，一直是图像分割中的难点。目前，对结肠病灶进行诊断的计算机辅助分析技术尚未应用于临床。为此，本课题的研究目的是为结肠镜辅助诊断系统提供较好的图像分割技术，使之应用于结肠境图像的自动分析，进而进行癌症和其它病症的识别和筛选。论文比较详细地介绍了两种比较常见的结肠病灶的临床表现—结肠息肉肿块和结肠糜烂出血，并回顾了医学图像分割的发展过程和几种常用的图像分割方法。对于结肠息肉肿块的图像，本论文采用了随机游动(Random Walks)的分割方法分割息肉和肿块图像，先使用人工干预的方法选取标记点，再算出各点到标记点的概率从而得到分割结果；对于结肠糜烂和出血的图像，论文采用了K-均值聚类的方法，在L~*a~*b~*颜色空间上进行聚类来得到分割结果。论文采用临床结肠镜的图片进行了实验，并对分割结果进行了定性和定量分析。将息肉和肿块图像的分割结果和改进的几何可变模型的医学图像分割算法还有C-模糊连接度的分割算法进行了比较。结果表明，相对于临床医学手工勾绘的金标准，论文所提出的分割算法不仅能得到比较准确的结果，而且具有较快的运行速度。K-均值聚类的方法对结肠糜烂出血图像也可以得到很好的分割的结果。论文所研究的分割方法可望为结肠镜图像分析系统提供良好的支持。