医学磁共振图像的分割是图像分割技术在医学领域中的应用，是医学图像处理和分析中的关键技术。虽然目前国内外已经存在很多不同的图像分割方法，但是，由于磁共振图像的采集模式的多样性，医学图像本身的模糊性，解剖结构的多面性等等，使得医学图像分割一直以来成为世界性的难题之一。针对这一现状，本文旨在通过对图像分割方法在医学磁共振图像上的使用进行研究和探索，改进或提出适用于医学磁共振图像的处理方法。　　 腰椎病变是临床常见疾病。比较平片、CT而言，磁共振图像可以清楚、全面地呈现出病变的具体位置、病变大小范围、累及程度等等。故磁共振检查成为腰椎病变的临床检查首选。本文采用分水岭算法尝试在腰椎磁共振图像上进行椎间盘分割。　　 分水岭算法是目前被广泛应用的经典有效的分割算法之一，它是基于数学形态学的分割，可以得到精确的边缘，即连续、封闭、单像素宽的边缘。但是它的主要缺点是对噪声十分敏感，容易产生过分割现象，致使分割结果出现大量零散区域。　　 解决分水岭算法中的过分割问题是本文的重点。本文采用一种在分水岭算法前优化梯度的方法来克服过分割的问题。总结、研究了基于边缘的图像分割方法，通过对传统边缘分割算法的对比发现，Roberts算子、Sobel算子等算法简单，边缘检测速度较快，但得到的往往是不完整，不连续的边缘信息，并且对噪声较为敏感，定位也不够精确。研究了形态学在图像边缘检测上的优势，形态学边缘检测方法具有很好的边缘提取能力，在边缘的连续性和图像细节的保持上都优于传统的边缘检测方法，但计算量比较大。故利用传统的边缘检测算子和形态学的梯度算子结合来优化待分割的梯度图像。结合以往的研究工作，对分水岭变换的定义、种类、原理和实现方法进行了详细的讨论。在此基础上，对腰椎间盘的十幅磁共振图像进行了分割。实验结果表明，可明显抑制过分割。从分割结果的准确性上看，都能达到95％以上。获得比较满意的分割效果。