水平集方法是一种描述曲线以曲率相关的速度演化的有力工具。本文研究了水平集曲线的演化方法，对水平集方法的原理进行了比较详细的阐述，并将其应用于医学图像分割，取得较为满意的效果。 由于水平集方法是基于图像的梯度差别对目标物体进行分割，而尿沉渣图像中的血细胞与其背景相比图像梯度不明显，因而使用水平集方法对其进行分割无法获得满意结果。本文中所使用的基于水平集的Mumford-Shah模型，是依靠图像的全局信息，而不是图像梯度，并且对处理外形复杂、拓扑结构改变的目标具有非常大的优势。这一点对图像梯度差别不十分明显，而拓扑结构又比较复杂的医学图像进行分割来说，是十分重要的。本文将该模型应用于尿沉渣图像中的血细胞的分割，经实验证明，效果显著。 由于肺结节在肺内部早期症状是分布十分零散，并且肺结节的边缘多呈现为不规则形状，这就需要在肺部全局图像中去寻找肺结节，并将其尽可能准确地识别出来。而全局分割正是基于水平集的Mumford-Shah模型的强项，但国内外还没有人将该模型应用于肺结节的识别，因而本文首次将该模型引入到对肺结节的识别工作中。但全局分割所产生的运算量却非常巨大，尤其在处理数据量巨大的图像时，这一点尤为突出。为了减少运算量，缩短运算时间，我们在使用上述模型进行肺结节识别之前，对图像进行相应的预处理。通过预处理，增强图像的对比度，减少肺部的纹理结构对迭代运算的影响，并将肺实质识别出来。经实验结果可知，所需迭代的次数大大减少，极大缩短了运算所需时间，对图像中肺结节也做出了正确的识别，实验证明，使用基于水平集的Mumford-Shah模型对肺CT图像中的肺结节进行识别完全是可行的。