医学图像分割是人体器官组织功能分析以及诊断治疗的基础,为提取病变组织周围信息、辅助医生进行病情分析和重建组织器官三维模型提供很好的技术支撑。随着医学影像技术的发展,医学图像的分辨率日益提高,图像细节信息越来越丰富,图像复杂度的增加使得现有分割技术难以取得满意的分割结果。近年来,利用Graph Cuts算法进行图像分割是一种新的思路,其通过人工交互的方式能够快速精确地提取图像中感兴趣的目标。然而传统Graph Cuts方法存在自动化和鲁棒性不足的缺陷,将该方法应用于复杂模糊医学图像的分割还存在一定的局限性。为了解决Graph Cuts算法在处理复杂医学图像分割时的效率问题,一种可行的方法是通过结合医学图像的某些特征信息,采用预处理算法,自动标记前景与背景点,从而大幅减少人工交互的时间,最终提高Graph Cuts算法的效率。论文主要从以下三个方面展开工作:首先,在基于图切割算法的交互式图像分割框架基础上,结合骨组织CT图像在灰度特征上与其周围组织存在明显不同的特点,设计了一种基于阈值标记自动生成的Graph Cuts算法。通过引入骨组织的灰度特征信息,结合用户的交互,改进后的算法不仅能够有效地用于骨组织CT图像的分割,还提高了Graph Cuts算法的分割效率。其次,针对基于阈值标记自动生成的Graph Cuts算法在实验中存在的不足,详细分析了其存在缺陷的原因,并在此基础上提出一种基于形态学标记自动生成的Graph Cuts算法。采用武汉某医院提供的骨组织CT图像对算法进行了测试,并与现行成熟商业软件的分割结果进行了对比分析,验证了算法的有效性与可行性。最后,基于对Graph Cuts交互式分割框架的研究,结合临床中的需求,提出了医学图像处理系统的总体框架。在Windows平台下,结合MFC框架和VTK类库实现了系统的开发。该系统主要包括医学DICOM序列图像的读入及显示、图像的预处理、图像分割以及图像重建等功能,最后对系统功能进行了相应的实例测试。