图像分割是将图像表示为物理上有意义的连通区域的集合。在图像处理领域,图像分割占有其极为重要的地位,它是实现图像内容理解、模式识别、基于目标的图像压缩等诸多技术的关键之基础,它的分割结果很大程度上影响着这些技术的最终结果。目前,已经有很多图像分割的方法提出,有些是针对特定图像的,有些是一般方法。本文在针对医学图像的研究中,从理论研究和实际应用的角度出发,围绕医学图像中不同结构的分割问题展开讨论,实现了医学图像中两类不同结构的分割算法,亦即,曲线结构(脊线)的提取和改进的分水岭算法。对于视网膜图像的分析可以看到,它的血管部分是带有许多细微结构(毛细血管)的曲线状结构。对于该类图像,本文提出了一种基于图像梯度值提取曲线结构的算法。它计算每一个像素在不同方向上的梯度值,然后取其中的最大值为该像素的梯度值,通过与特定的阈值进行比较来判断该像素是否属于所要提取的结构。此外,对提取过程中产生的噪声进行了分析,结合数学形态学的理论和方法进行了有效的去除,从而使该算法能很好的完整提取视网膜图像中的血管部分。分水岭分割算法是根据数学形态学提出的一种基于区域的分割方法。该方法简单、直观,速度快且可并行处理,对微弱边缘敏感,而且可以得到单像素宽的、连通的、封闭的轮廓。但它也存在一个严重的问题—过分割。本文结合以往的研究工作,详细讨论了分水岭变换的定义、种类和实现方法,并在此基础上改进了该算法,通过采用更快的排序算法,合理的内存管理以及对淹没过程中的不确定性的合理处理,从而能