基于内容的图像检索技术通过分析图像的颜色、纹理、形状等视觉特征，从图像库中查找含有特定特征的图像。它克服了传统的基于文本的图像检索方法的不足，融合了图像处理、图像识别和图像数据库等领域的技术成果，从而可以提供更有效的检索手段。对于基于内容的图像检索来说，图像分割是最重要的图像预处理技术，只有经过特征提取和相应的图像分割之后，图像才能入库，进而实现基于不同“内容”的图像检索。 在对图像的研究和应用中，人们往往仅对图像中的某些部分(即目标)感兴趣。这些目标一般对应图像中特定的、具有独特性质的区域。为了识别和分析图像中的目标，需要将它们从图像中提取出来，在此基础上才有可能进一步对图像进行分析利用，以及对目标进行测量。图像分割指的就是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。它是从图像处理到图像分析的关键步骤，也是进一步图像理解的基础。 本文首先对常用的图像分割方法进行了详细的分类介绍和综述，并在此基础上，阐述了图像分割技术在生物医学图像研究中的应用和研究重点。接着分类研究了纹理图像的分割方法，并针对医学图像，特别是人体内脏的医学图像所包含的纹理信息的特点，利用共生矩阵及其各种纹理特征参量对一幅人体肝脏的CT图像进行了纹理分析。分析试验的结果表明，上述参量能够很好的反映人体内脏图像中的纹理变化。基于这一分析结果，本文利用灰度共生矩阵及其特征参量，提取图像的纹理特征，并利用所提取的纹理特征设计一种结合灰度和纹理特征的区域增长算法以实现纹理图像的分割。最后利用程序设计语言对所设计的算法进行编程实现。 对图像分割实验的结果进行测量比较，结果显示该算法对特定类型的医学图像具有较好的分割效果。该算法的设计实现及图像分割的结果表明，多种信息的结合是解决图像分割问题的一个有效的新思路。