医学图像分割是医学图像处理里常用且重要的一环,为医学图像三维建模、病理分析等提供了基础。但是随着医疗设备技术的不断进步,医学图像数据量不断增大,医学图像分辨率不断提高,同时,随着网络技术的不断进步,远程实时病理分析成为可能,但是CPU的处理速度却无法完成实时处理的目标,所以对医学图像处理的硬件加速就显得十分必要。针对以上问题,本文提出了一种基于ZYNQ的医学图像分割硬件加速系统,ZYNQ是一种“ARM+FPGA”架构的片上系统处理器,能够实现高速、低功耗、短开发周期的医学图像处理。本文首先研究图像分割算法的相关理论知识,详细描述了算法的实现过程。接着,介绍了程序设计的开发环境,包括Linux系统的环境配置及SDSo C开发平台。本文采用C++语言和Open CV+f Open CV库开发的方式进行ZYNQ的硬件开发,调用了xf Open CV库中的Sobel、Gaussian Filter函数作为硬件加速HLS IP核,阐述了硬件平台搭建过程,介绍了xf Open CV库开发流程和其特殊的HLS语言的应用,并简要解释了ZYNQ的硬件连线图。相比于CPU医学图像分割方案,本文设计具有功耗低、处理速度快、实时性强等优势;相比于GPU硬件加速方案,本设计在开发周期和功耗上具有优势;相比于传统的FPGA硬件加速方案,本设计具有一定的开发周期优势。总的来说,本设计的最大创新点在于将ZYNQ硬件加速应用于医学图像处理领域,目前该方向论文还很少,大多数应用于常规视频图像的实时处理。另一创新点在于实现了医学图像硬件加速的快速开发。本文设计实现了对医学图像的肝脏和动脉的分割,使用Xilinx官方的xf Open CV库对分割算法中的复杂度较高的函数进行了硬件加速,采用了两种分割方法进行对比,并将算法关键步骤的硬件加速效果逐一与CPU实现方案、传统FPGA实现方案、GPU硬件加速方案进行了对比,分析了本设计与其他方案相比的优劣所在,得出了一些结论。