近年来可视人计划影响日益广泛,而在其实现过程中图像分割是一个必不可少的步骤。可视人数据集图像具有特别的多样性、复杂性和不确定性,都使得对图像分割的研究具有重要的理论和实用价值,也是目前研究的一个热点和难点问题。用数学形态学实现图像分割是近年来发展起来的一种新的研究方法,它摒弃了传统的数值建模及分析的观点,从集合的角度来刻画和分析图像,为图像处理开辟了新方向。本论文所做的工作主要是研究基于数学形态学的图像分割算法,用于可视人(VHP)数据集彩色解剖图像中心脏图像的分割。论文的创新性成果包括: 1、提出了一种基于灰度数学形态学与Otsu方法的综合分割算法。这是一种分阶段的分割方法,即在第一阶段引入数学形态学的方法,提出了一种基于形态重构的开闭运算与Otsu阈值分割相结合的方法,对原始图像中的感兴趣区域进行预提取,有效的解决了单一阈值分割方法中存在的缺陷:而在第二阶段则用多尺度形态学变换对预提取图像进行精确分割,并最终得到心脏图像。实验结果表明,这种分阶段的分割方法在运算效率以及分割精度上都取到了较理想的结果。 2、提出了一种改进的形态学分水岭算法。该方法包含三个环节:首先用基于形态重构的开闭运算对图像进行平滑简化,消除图像细节和噪声而保留重要的区域边缘轮廓;而后用本文提出的一种多通道彩色梯度标记修正方法,在充分利用解剖图像颜色信息的基础上运用形态重构的方法进行标记修正从而进一步消除了极小区域,很好地解决了标准形态学方法中存在的过分割问题;最后对处理后的梯度图像进行形态学分水岭变换,实现心脏提取。实验结果表明,这种改进的分水岭算法保持了区域分割数对尺度的因果关系,得到了较为精确的结果,对可视人计划的实现具有较高的实用价值。