医学图像分割一直以来都是图像分割中的难点,可在实际应用中却有着非常重要的价值。直接利用传统的C-V水平集模型去对图像进行分割,其缺点是该模型对噪声比较敏感,无法准确处理边界信息模糊的图像,以至于在寻找图像边缘时经常出现错误的定位,找到的边界不准确,使得图像分割效果不理想。本文提出一种基于Canny算子的C-V水平集模型。该模型在传统的C-V水平集模型的基础上,用Canny算子预先处理过的图像去替代原图像,进而使用C-V水平集模型对预处理过的图像进行分割。该模型利用了Canny算子具有很好的定位性能、较高的检测精度、最小的响应性能和很好的信噪比的优点,克服了传统的C-V水平集模型对噪声敏感、抗干扰性差,边缘不够精细的缺点,从而分割出一条比较理想的边界,达到一个很好的分割效果。