论文以医学领域的脑部CT (Computed Tomography)图像为研究对象,在医学影像存档与通讯系统PACS (Picture archiving and communication systems)的CT影像工作站环境下,研究了边缘分割算子中的LOG (Gauss-Laplacian Operator)算子、基于形态学分割的分水岭算法的应用和改进,获得了脑部CT图像中头骨的边缘分割图和头骨的区域分割图。论文根据医学图像的分割特点及方法,分析了脑部CT成像的原理、研究了脑部CT图像的特点、噪声、边缘特征、多阈值形态学特征。完成的主要工作如下：1.在高斯-拉普拉斯算子(LOG)的基础上,改进了根据高斯函数的平滑因子σ、脑部CT图像的边缘灰度阈值T、滤波器的大小m×n等三个参数控制的LOG算子,利用该改进的算子能根据需要灵活地得到二值化头骨边缘分割结果。2.以脑部CT图像的灰度多阈值、形态学特征为基础,应用去噪、距离变换、梯度重构、内外部标记条件等综合方法,改进了分水岭分割算法。利用该改进的分水岭分割算法能够得到脑部CT图像的头骨分割图,该改进算法在噪声抑制、区域信息获取和过分割控制等方面效果较好。3.利用Matlab语言实现了改进的LOG算子和改进的分水岭算法,并对它们的分割效果和运算效率作了分析。4.用改进LOG算子、改进分水岭算法对一组脑部CT切片图像进行了处理,综合分析了分割质量、运行时间和效率、复杂度等。论文中的改进算法,在理论上有较全面和深入的研究,在应用上获得了有效的分割结果,其可行性和有效性从理论与实践上得到了验证。