图像分割是根据某些特定的需要和图像本身的特点将图像分割为多个区域的过程。它是进行图像分析和图像识别以及计算机辅助诊断的重要步骤,也是现如今图像处理的一个重要方向。彩色CT图像是近些年来发展起来的新的医学影像技术,为医生提供了更为丰富的患者体内信息,对患者病情的诊断和医生的术前准备工作有着重要的意义。本文首先对彩色CT图像进行预处理,然后采用改进的分水岭算法或者基于遗传算法和模糊连接的图像分割算法将CT图像中的血管部分分割出来。具体内容如下：(1)由于医学图像的纹理结构比较复杂、灰度差别相对较小、边缘不明显等特点,本文采用对比度增强与小波分析相结合的方法对图像进行增强滤波处理,使得处理后的图像边缘更加清晰,噪声减少,为进一步的图像的分割处理奠定良好的基础。(2)针对分水岭算法存在的过分割问题,采用一种能够有效消除局部极小值和噪声干扰的自动分割方法。首先,比较彩色分量梯度图提取图像的梯度信息,从而有效提取图像边缘信息；然后,基于多阈值分割方法消除无效梯度信息；最后,确定算法的实现步骤,并给出实验结果。(3)采用遗传算法和模糊连接相结合的方法对CT图像进行分割。首先,为图像选择RGB颜色空间；然后,以路径强度作为遗传算法的适应度函数,寻找各点到种子点之间的最优路径。该路径的强度就是该点与种子点之间的模糊连接度；最后,将所有的模糊连接度作为灰度值,得到目标和背景不重叠的图像,设定阈值就可以将目标物体提取出来。实验结果表明改进的分水岭算法取得了良好的分割效果,比只使用分水岭算法减少了细小的汇水盆地,大大提高了分水岭算法的分割效果。模糊连接与遗传算法相结合的方法与传统的模糊连接算法相比,细小的血管也能够分割出来,体现了良好的分割性能。能够为医生的诊断和术前准备奠定良好的基础。