脑肿瘤有着较高的发病率和死亡率,时时刻刻都在威胁着人民群众的生命安全。核磁共振成像技术（Megnetic Resonance Imaging,MRI）凭借其非侵入式、无损伤性和信息多元化的特点,在脑肿瘤的诊断和治疗方面被广泛应用。现如今,关于脑肿瘤MRI分割的研究已成为现代医学图像处理领域的一大热门,计算机辅助诊疗分割也将代替费时费力的人工分割成为主流分割方式。本文根据脑肿瘤MRI图像分割中出现的问题,总结各类文献,提出一种基于改进分水岭模型优化的GAC脑肿瘤MRI分割模型,主要工作如下:（1）针对脑肿瘤MRI图像成像特点和后续分割模型的需要,采取双边滤波、灰度变换等操作对原始图像进行降噪和对比度增强处理。针对人类脑部颅骨区域灰度值较大会严重影响分割结果的问题,采取形态学处理的方法对原始图像进行颅骨剥离操作,去除颅骨、头皮和血管等一些干扰区域,提升后续模型分割精度。（2）针对传统分水岭模型中出现的过分割现象,提出一种基于Otsu阈值分割的改进方法。分水岭模型对原始图像的阈值较为敏感,如果阈值较高,会产生过分割现象;阈值较低,则无法对目标区域进行准确分割。该改进方法首先采用Otsu算法对原始图像按照各区域灰度值的不同进行阈值设定,大于该阈值的为前景区域,小于该阈值的为背景区域;之后通过分水岭模型的分割将背景区域淹没并整合为一个整体,留下含有肿瘤图像的前景区域。改进后的分水岭模型能够有效地解决过分割现象,并且可以加强前景区域与背景区域的对比度。（3）GAC算法直接分割对比度不明显的图像,会产生边界入侵现象。分水岭模型优化后的图像是一个二值图像,包括的黑色的背景区域和白色的肿瘤区域。为了契合这种二值图像,提出对GAC算法的边缘停止函数进行修改。在边缘停止函数的分母处添加图像梯度信息与反差函数的比值,通过缩小反差函数,可以提高GAC算法对图像梯度信息变化捕捉的敏锐性,能够使分割曲线在黑色的背景区域中平滑收束,一旦遇到梯度信息的变化就立即停止,较好地解决了边界入侵现象;之后提取GAC算法分割所得到的脑肿瘤轮廓信息,在原始图像上进行标注。实验结果表明,该脑肿瘤MRI分割模型在分割精度上对比其他算法有明显提升。