当前,医学图像分割在医学图像处理中起着非常关键的作用,其目的是分割出图像中具有特殊意义的区域,并提取主要的特征数据,从而为医学图像处理和分析提供强有力的依据,也是进一步诊断的基础。然而,由于医学图像普遍存在噪声大、分辨率低等特点。因此,它是医学图像处理领域的一个经典难题。乳腺癌是严重危害女性健康的恶性肿瘤之一,在世界上乳腺癌发病率居女性恶性肿瘤首位,其对女性健康的严重危害已高度引起了世界的重视。乳腺钼靶X线图像中肿块的分割对乳腺癌的早期诊断、早期治疗具有非常重要的意义,从而为乳腺癌患者的预防与治疗工作争取时间,在一定程度上降低发病率和死亡率。乳腺肿块是乳腺钼靶X线图像上发生病变的一个主要表现,一个标准的乳腺肿块分割技术对于监督和量化乳腺癌是非常重要的一步,由于医学图像受诸多因素的影响,在乳腺X线钼靶图像中全自动的肿块分割一般比较难。本文,对国内外现有的乳腺肿块分割方法进行了深入的研究与比较,在此基础上提出了一种将形态学标记控制的分水岭算法与无需重新初始化的水平集算法相结合的两步分割法,实现对乳腺肿块的全自动分割。具体来说,本文主要做了以下几方面的工作:首先,通过形态学标记控制的分水岭算法对乳腺钼靶X线图像进行初始分割,得到初始的粗轮廓。然后,将已获得的轮廓线作为无需重新初始化的水平集算法的初始轮廓线,进行二次分割,获得的轮廓作为最终的轮廓。我们的方法能够避免形态学标记控制的分水岭算法的不完全分割,并且实验结果在MIAS和DDSM数据库上证明了算法的有效性。