颈椎病作为一种常见的人体骨骼疾病,近年来患病率逐渐上升并呈现出患病人群年轻化的趋势。同时MR图像在观察颈椎病变与生理曲度等方面具有独特优势,对于辅助颈椎病诊断具有重要的临床意义。颈椎曲度的测量是进行颈椎功能评价和诊疗方案确定的首要关注对象,具有较强的实用价值和科研意义。传统的颈椎曲度测量通常需要医生在医学图像上手动作图并测量,这种手动测量的方式复杂且耗时。因此,本文基于颈椎矢状T1-MR图像,重点研究了椎体分割算法和颈椎曲度测量算法,旨在通过计算机图像处理技术实现颈椎曲度的半自动测量,具体工作如下:（1）在椎体分割算法中,首先,针对SLIC算法进行超像素分割时存在无法捕获全局属性的问题,提出一种改进的基于图像多分辨率的超像素分割算法,通过超像素质量评价,本文算法可以有效提高超像素质量。其次,以DBSCAN算法实现超像素合并为基础,针对其初始设置参数多的问题,提出一种只需设置超像素间的颜色相似性阈值的超像素合并算法,将小于阈值的相邻超像素合并形成新的超像素区域完成椎体分割。通过椎体分割质量评价,本文方法在超像素数为200时实现了最佳性能:精度80%、召回96.9%以及Jaccard指数77.8%。（2）在最佳椎体分割的基础上,结合CCL方法和Harrison方法实现颈椎曲度定量测量。其中,针对Harrison方法难以自动检测椎体后缘的问题,提出两种改进的Harrison方法测量颈椎曲度,分别是基于最小矩形拟合的椎体后缘切线法和基于插值的椎体质心切线法。通过与真实颈椎曲度比较,本文所提颈椎曲度测量算法实现了1.604°的最佳平均测量误差,验证了本文算法的有效性。（3）设计开发了颈椎曲度辅助测量系统。根据颈椎T1-MR图像先验知识,以窗口内平均纵向灰度梯度为基础提出最优图层选择算法解决临床实际中MR图像多图层问题,结合上述椎体分割和颈椎曲度测量算法,开发出完整的颈椎曲度辅助测量系统,为医生进行临床诊断提供依据。