核磁共振成像(Magnetic Resonance Imaging,MRI)技术以其非介入性、无损伤性、多方向多参数成像、较高的软组织分辨能力等特点,已成为脑肿瘤临床诊断和治疗的重要辅助手段。脑部MRI图像中肿瘤的分割算法研究不仅是医学图像分割领域的热点趋势,同时也是临床医学应用的现实需要。本文研究的主要内容就是针对脑部MRI图像灰度不均匀、边界模糊不连续等特点,对目前较为流行且应用广泛的分割方法进行总结回顾和深入思考,着重分析探讨各自的优势和缺陷,充分利用图像中的灰度邻域、拓扑结构以及空间分布等有价值信息,以最终实现肿瘤的准确分割。围绕这一主题,本文所做主要工作如下:(1)简要介绍了目前常用的分割方法以及分割效果评价的方法分类和评价测度;概述了数学形态学图像分析的基本思想和运算方法,着重阐述了形态学重建和多尺度滤波等形态学滤波方法,对分水岭变换的基本思想和算法流程进行了详细讨论。引入粘性形态学思想,通过模拟粘性流体的浸没特性实现多尺度形态学修正的具体思路。(2)分析了模糊C均值(Fuzzy C-Means,FCM)聚类算法的缺陷及改进方向,针对FCM对灰度不均匀和噪声干扰比较敏感的特点,引入空间邻域信息作为约束,通过局部灰度统计信息区分像素大致类型,采用尺度多元的结构元素对不同类型像素实施不同程度的闭运算修正,避免FCM聚类陷入局部极优和错误分类,同时保持分割区域完整准确。最后通过对比实验从视觉效果和定量指标两方面对提出方法的分割效果进行了验证分析。(3)针对分水岭变换存在的过分割问题,从本质上分析,正是由于图像中的不规则细节和噪声干扰所致。出于平滑简化图像以及保留重要细节信息的综合考虑,首先对原始图像进行形态学混合开闭重建滤波;然后依据梯度图像的拓扑地貌对其进行分层的多尺度修正:对较低梯度层级进行较强幅度修正,消除导致过分割的非规则局部极小值,而对于较高梯度层级所对应的边缘轮廓则进行较弱修正,避免对区域轮廓的过平滑而出现边缘增厚和位置偏移现象;最后在修正基础上进行分水岭变换得到最终分割结果,并对梯度所分层数对分割效果的影响进行了分析探讨。实验分析表明,本文方法能够有效抑制分水岭变换的过分割现象,同时保留其准确的区域轮廓定位特性。