对医学图像的准确分割是器官和组织高质量重建的基础，如何提高人体切片图像数据集分割的速度和精度，是目前公认的瓶颈问题。本文首先针对医学图像处理中一些常用的分割方法进行了介绍，分析了各种算法的优缺点。传统的手工分割已经不能满足人们大批量图像分割的要求，在追求自动分割的同时，人机交互式分割策略越来越受到人们的重视，成为分割算法的主流。因此本文选用的两种方法：Live-Wire算法和活动轮廓模型算法都属于交互式的图像分割方法，并且该方法在医学图像分割中都取得了比较好的效果，现在已经成为医学图像分割中的主流方法。其次针对彩色图像分割，在本文2.2节中我们详细介绍了目前常用的彩色空间及转换公式，为以后的研究学者提供了一定的参考。　　 本文选用的图像来源于中国虚拟人计划数据集。为了更好的利用人体切片的彩色信息，我们可以用彩色图像的梯度来代替原来的灰度图像的梯度，然后用计算得到的彩色梯度值重新计算各个元边的特征值和代价值，从而解决了不同颜色像素点对应相同灰度值的情况。改进后的Live-Wire算法抗噪能力较强，运算速度加快，利用改进后的Live-Wire算法对单张或多张切片进行准确分割，对于边缘曲率较大的目标物体也可以取得较好的分割效果。　　 接下来我们利用Snake模型来自动分割下一层相邻的切片，由于传统的活动轮廓模型存在一些缺陷：一方面Snake模型对初始轮廓敏感。针对这个问题我们提出了相应的解决办法：将当前切片的分割结果投影到下一张切片作为Snake模型的初始轮廓，这样就避免了手工选取轮廓的误差。另一方面传统的Snake模型通常都是将灰度图像作为研究对象的，在有些情况下不能有效区分具有相同灰度的不同颜色值。针对这种问题，我们需要先把RGB颜色空间转换到HSI颜色空间上去，然后在此空间上进行加权求欧氏距离，并以此重新设计外部能量函数中的图像力表达式。