图像分割是从图像处理到图像分析的关键步骤,是图像分析和图像理解的基础,因此分割结果的正确与否对后续操作影响很大。在医学领域,将图像处理技术用于医学图像,能够帮助医生更好地诊断病情。然而,由于医学图像的复杂性,医学图像分割技术一直制约着其他医学图像处理相关技术发展和应用。本文基于数学形态学对CT血管造影(CTA)图像进行去骨方法研究。通过对图像分割方法进行学习比较并根据CTA图像特点,选择分水岭算法进行去骨分割。为解决分水岭算法常见的过分割问题,本文采用一种新的淹没标记方法对分水岭算法进行改进,在加快执行速度的同时能进行人工交互干预分割结果,有效地避免过分割现象。本文采用改进分水岭算法对CTA图像进行去骨分割,主要工作包括以下几方面。(1)通过学习图像分割方法并进行比较分析,针对CTA图像的特点选择基于数学形态学的分水岭算法进行CTA去骨分割。(2)对数学形态学及分水岭算法的理论和方法进行论述,在对分水冷算法进行应用分析的基础上,针对其存在的过分割问题,提出了一种改进分水岭算法,并对分水岭算法淹没过程的难点问题——非最小平原问题进行了过程描述和结果分析。最后在此基础上将改进算法与几种CTA去骨方法进行分割结果对比,对算法的有效性进行检验。(3)本文最后将改进分水岭算法用于腹部CTA的去骨分割中,采用三维成像技术进行结果显示,完成改进分水岭算法在CTA去骨中的应用,同时在应用中对改进算法进行再次检验。实验结果表明,改进分水岭算法在快速浸没分水岭的基础上采用基于像素邻域关系的标记方式进行淹没标记,得到集水盆的一种层次化表现形式——树形结构数据,然后通过手动调节合并阈值参数可以实时控制树分割和盆地合并,从而跟踪图像分割结果。因此,改进算法分割结果对医学诊断具有一定的参考价值。