医学图像分割是医学图像处理与分析领域复杂而关键的步骤，能够为临床诊断和病理学研究提供可靠的依据。由于医学图像自身的复杂性，一般的图像分割方法难以直接应用于医学图像分割。本文首先对医学图像分割算法进行了研究，包括：分割前的预处理、经典的分割算法及其优缺点、图像分割后在实际中的应用和对于分割算法的评价等，对医学图像分割算法做了一个比较全面的介绍。然后具体分析了经典的分割算法“区域生长法”的原理、优缺点以及在医用图像分割中的应用。最后通过对医用OCT图像性质的分析，提出了一种基于区域生长的改进算法，此算法可以实现此类医用OCT图像的快速、自动分割。本课题研究的主要内容及创新点如下：(1)通过与其他分割算法相比较，确定用区域生长算法来处理此类OCT图像。通过对此类OCT图像的分析，发现本研究的分割目标粘膜层与其他层次的组织之间没有明显的边界，只有在灰度上的渐变差异，使用阈值法可以处理此类图像。而整个的目标区域灰度值又差别不大，因此选用区域生长法来对此类医用OCT进行分割。(2)改进区域生长算法，使其可以自动的分割此类OCT图像。通过分析发现目标区域粘膜层灰度值要比其他区域的灰度值大。要想用区域生长方法把整个的粘膜层提取出来，那么人为选择的生长起始点一定在灰度值较深的粘膜层上。对此，本研究改进了生长起始点的选择方式，可以使算法自动选择生长起始点，实现了此类OCT图像的自动化分割。(3)改进区域生长算法的生长准则，使分割精度得到提高。根据此类OCT图像的特点，本研究改进了区域生长的生长规则，大幅提高了图像分割的精度，使过分割与欠分割现象大幅降低。(4)采用线性压缩方法压缩图像，使图像数据简化，提高处理效率。OCT图像的一大特点就是高分辨率，这给图像的后处理带来了很大的困难，我们采用图像压缩方式来简化掉多余的信息，等图像处理后再还原，大大降低了算法的运行时间，提高了效率。