随着计算机技术的高速发展,使得众多工业生产、自动化设备、医疗器械等都需要成熟的图像处理技术,而关于图像处理技术的研究已成为当今学术界研究的热点之一。各种图像处理方法:基于图像特征的传统算法或是深度学习算法在学术届与工业市场都取得了广泛的应用,但也有其相应的缺陷。近年来,研究者们一直在不断探索一种自动化水平高,分割精准且鲁棒性强的图像处理方法,本文的研究内容基于这三个特点而展开,通过图像处理在医学图像中的应用,采用了一种基于斜率差分布来选择阈值的方法,针对细胞图像中粘连细胞提出了基于形态学区域约束极限腐蚀处理方法,针对心脏左心室MRI图像中出现的左右心室粘连、心肌缺失与心室肥大等问题提出了基于霍夫变换的左心室提取方法,并通过与多种图像处理方法的对比实验中,验证了本文提出方法的有效性。本文主要研究内容包括:（1）针对细胞图像,通过斜率差阈值与其他八种阈值选择方法对比,验证了斜率差阈值方法的有效性。（2）基于形态学提出了针对粘连细胞的区域约束的形态学极限腐蚀方法,能够有效地针对粘连细胞的进行分割,且相比较于其他分割算法具有更高的量化结果。（3）针对于图像中光照与灰度强度不均匀的现象,运用Gabor滤波进行图像的梯度滤波,能够得到更稳健的细胞边界,并通过控制变量的方法,对Gabor滤波参数进行了灵敏度分析,以得到最佳的Gabor滤波参数。（4）基于心脏左心室MRI的图像,提出了一种基于霍夫变换圆检测与双阈值分割心肌层的全自动的分割算法,通过对分割后的结果进行圆检测的区域约束,能够得到94%以上的分割精度。