近年来,随着计算机技术的不断发展,数字图像处理及其应用扮演着越来越重要的角色。医学图像分割作为图像分割领域中的一个重要分支,一直受到国际学术界的广泛重视。医学图像分割是指将医学图像划分成一系列彼此互不交叠的匀质区域。作为医学图像处理一项最基本技术,它是对人体组织进行定性或定量分析所必不可少的关键步骤。在实现许多应用之前,图像分割是最重要的基本处理之一。因此图像分割成为了数字图像处理领域的一个重要研究课题。本文研究的主要内容有：(1)利用自动种子点选取方法对结肠图像进行分割,与人为设置种子点相比,减少了人为参与、提高了分割效率、增加了分割准确度。结肠图像由于其变化多样,一直是图像分割中的难点。本课题从结肠的生理解剖结构出发,比较详细地阐述了阈值分割、边界检测和区域生长等几种经典的图像分割算法。对于结肠的分割,通过综合运用多种分割方法,提出了一种能将结肠部位分割出来的算法,为结肠辅助诊断系统提供了较好的图像分割技术,使之应用于结肠图像的自动分析,为三维重建出结肠图像做准备。(2)使用窄带水平集算法进行医学图像分割。基于几何变形模型的水平集算法,将二维(三维)的闭合曲线(曲面)的演化问题转化为高维空间中水平集函数曲面演化的隐含方式来求解,非常适应于处理对拓扑结构变化的情况,其计算精度高,算法稳定,因而得到广泛应用。水平集可以轻松地表示出曲线或曲面,同时具有容易处理偏微分运算的特性。然而,虽然水平集算法有诸多优点,但也有不足之处,比如计算量过大。本文详细阐述了窄带水平集算法,并且将其应用于细胞图像的分割,并且得到了较好的效果。