图像分割技术作为一门新兴的学科,在过去几十年特别是近十几年的时间内得到了迅速的发展,并且在医学、军事、工业等领域得到了广泛的应用。作为图像分析与理解的前期步骤,图像分割是计算机视觉领域中最基本、也是最困难的问题之一,分割结果的好坏直接影响到后续工作的优劣。由于图像的多样性和复杂性,目前还没有一种完全通用的分割方法可以实现对所有图像的正确分割,因此图像分割技术一直是图像处理领域中的研究热点之一。作为图像分割的一个重要分支,医学图像分割受到许多研究人员的广泛重视且发展成为当代图像领域的前沿课题。首先回顾了图像分割算法的定义和分类,介绍了一些基本的图像分割算法,并重点介绍了一些新兴的现代图像分割技术。水平集方法,将二维(三维)的闭合曲线(曲面)的演化问题转化为高维空间中水平集函数曲面演化的隐含方式来求解。然而,传统的水平集方法仅利用图像局部边缘信息,对边界模糊或者存在离散状边缘的区域,容易产生边界泄漏等问题,很难得到理想的分割结果。着重介绍并采用了一种基于Canny边缘检测的水平集分割算法。改进的算法在平滑图像的同时,得到了更加准确的分割轮廓线,同时也提高了算法的鲁棒性。针对医学图像的特征和拓扑结构的特点,结合基于边界和基于区域的分割方法,介绍了几种混合分割算法,这些混合算法在结合了不同算法的优点的同时抑制了采用单一算法的缺陷,取得了令人满意的分割效果,对医学图像自动、准确的分割有着重大的意义。图像配准是导航软件中的核心技术。解决了两组标志点的自动配序,并给出了激光配准的ICP面融合算法。激光配准的优点是回朔性,无接触,自动化。在图像配准方面的工作,是图像分割方面的工作的重要补充。