当下国内外的心脏病发病率逐渐上升,心脏健康话题不容忽视。超声诊断凭借无损、无电离辐射、无痛、廉价、实时等优点,成为了现代临床医学中必不可少的影像诊断技术之一。但由于超声的固有特性,超声图像包含大量斑点等噪声,给图像处理、病情诊断与定量分析等步骤增加了难度,医学图像处理越加重要,而首要步骤之一便是图像分割。本文主要研究、实现了图割算法与主动形状模型对心脏磁共振图像、超声图像的分割,并在良好的分割结果基础上进行了实验结果的研究和分析。图割算法基于图论,它首先构建能量函数,构建s-t网络,通过解决能量函数最小化问题得到分割结果。经过理论研究和实验分析,并结合本文设计的后续图像处理方法发现,对磁共振成像的心脏图像分割效果良好,但却非常不适合超声图像的分割。为使实验更加严谨,本文增加了针对超声图像的预处理,分割结果有所改进,但仍不理想。主动形状模型则主要应用于动态识别、人脸识别、手型分割等方面,应用于超声图像还较少。它主要通过训练融入先验知识,得到初始模型,再进行匹配,迭代更新参数来寻找到待分割区域的具体位置。改进的主动形状模型可直接使用临床超声图像,无需预处理等步骤,最大程度地保留原始图像的信息,切近实际应用。本文以对主动形状模型的研究为理论基础,继而进行实验和改进,此算法适合于超声心脏图像分割,获得了很好的分割结果。相比于图割,主动形状模型非常适合心脏超声影像的处理。本文进行了充足的实验后发现,采集连续的几个心动周期的心脏超声图像,研究分析验证了心脏健康者心房的收缩与舒张的同步性以及心室的收缩与舒张的同步性,临床中还可以通过同步性判断心脏的功能是否健康完善。