工业CT技术作为一种先进的无损检测手段，已被广泛应用工程实际中。工业CT是以图像形式反映被测工件内部结构和缺陷状况的，由于工件内部缺陷如铸件气孔、疏松、裂纹、材料构成等以及CT系统的成像机理造成CT图像边缘的灰度有较宽的过渡区，不是理想的阶跃型边缘，形成了相对缓慢的过渡边缘即弱边缘。弱边缘检测一直是图像分割的难点之一。本文以工业CT图像的弱边缘检测为研究内容，认真分析了当前几种常用图像分割方法的优缺点，根据不同工件CT图像边缘的特征，重点研究了基于C-V模型的弱边缘分割方法。主要工作如下：第一，针对直接用C-V方法分割易出现的过分割问题，采用形态学开-闭重建滤波，抹去图像上小于结构元素的细节，并保证了图像原有的特征保持不变。实验证明，经过开-闭重建滤波后，图像噪声得到了抑制，不会出现“过分割”现象。第二，分析了容积效应形成机理以及对CT图像边缘产生的影响。首先以仿真图像和无容积效应的圆柱CT图像为实验对象，验证本文采用的基于形态学开-闭重建运算滤波和C-V方法的图像分割方法以及后续的边缘最小二乘拟合对强边缘分割定位达到亚像素级。然后再以受容积效应影响较为明显的上半球体和圆锥为实验对象，根据分割结果对容积效应与切片厚度、工件轴向边缘曲线斜率和检测误差之间的关系进行了定性的分析。第三，对现有的缺陷检测方法和预处理方法进行了分析，针对CT图像中缺陷和噪声易于造成过分割的问题，应用形态学开-闭重建运算滤除噪声，较好地保持图像的原有的轮廓和缺陷部分的特征信息，使处理后的图像边缘不会发生畸变；采用C-V图像分割算法，进行了缺陷区域填充，使缺陷区域被全部提取出来并计算其面积；最后将结果与三种经典的缺陷提取方法进行对比，本文采用的算法在含有因缺陷引起的弱边缘图像分割方面有较大优势。综上所述，本文采用C-V图像分割方法做了比较具体的应用研究，并对工业CT图像进行预处理后，将该方法应用于弱边缘检测。通过多组实验对算法的精确性和适用范围进行了对比分析，验证了所采用算法在弱边缘提取时的有效性和优点。该方法提取的缺陷边缘轮廓连续且封闭，为缺陷识别与几何参数测量提供了更好得条件。