近年来,许多研究指出小气道病理改变是导致多种肺部疾病发生的重要原因之一。因此对小气道病变的诊断具有十分重要的意义。高分辨率CT(HRCT)技术是目前诊断这组疾病的重要手段之一,它能从整体反映肺部情况,而且能很好的分辨肺部细小病变,从而可以为医生在小气道病变诊断方面提供更加准确、详细的信息。但是由于胸部HRCT图像具有灰度分布范围大、结构组织多、纹理复杂的特点,也造成了图像特征分析及组织分割困难的问题。同时海量的CT数据也给读片医生增加了很重的工作负担。为了提高医生的诊断效率及减轻他们的劳动强度,计算机辅助诊断(Computer Aided Diagnosis, CAD)系统应运而生。在运用CAD辅助医生诊断小气道病变时,首先要解决的问题就是肺部软组织的准确分割。基于此,本文在准确分割肺区方面做了一些研究。本文的主要工作如下：(1)介绍了HRCT图像的特点,分析了几种典型小气道疾病的HRCT图像表现,研究了MATLAB中专门用于处理DICOM格式图像的图像处理工具箱。(2)针对传统的聚类分割方法中,人为设定聚类中心造成分割不准确的缺点,本文提出了基于灰度特征的HRCT图像分割方法,通过提取HRCT图像的灰度直方图来确定初始聚类中心；本文又作了基于纹理特征的分割,利用小波变换方法来提取HRCT图像的纹理特征,完成了对图像基于底层特征的分割。(3)由于采用单一图像特征分割效果不理想,本文提出了基于粒度合成理论的HRCT图像分割方法。首先阐述了HRCT图像分割的粒度原理,然后建立了分割的粒度模型；最后利用粒度合成方法将基于纹理特征和灰度特征的分割结果构成的不同粒度空间结合起来,最终实现了对图像的分割。实验表明,本文方法可以有效地利用图像的底层特征,比传统分割方法只使用单一的图像特征有较高的分割精度,为后续的医学图像处理与分析奠定了基础。