图像分割是图像处理中的主要问题，也是计算机视觉领域低层次视觉中的重要问题，同时它又是一个经典难题。从七十年代起，研究人员就为之付出了巨大的努力，针对各种具体要求建立了许多算法，然而至今尚无统一的理论。人们还一直在努力发展新的，更有潜力的分割算法，以期实现更通用、更完美的分割结果。 作为图像分割的一个重要领域，医学图像分割越来越受到广大研究人员的重视。而与其他领域不同的是，医学图像在内容上往往有特别的先验信息。在目前找到一个普适的分割算法显得很不现实的情况下，如何利用这些特有的先验信息来帮助图像的分割，即实现基于内容的分割引起广泛注意。 本文首先回顾了在医学处理领域常用的二维三维分割算法，重点介绍了一些新兴的分割技术。然后提出了“基于内容”的概念，主要包括两点，一是在算法设计阶段就考虑到生物学家的具体需求，比如需要以很高的精度获取细胞的特定细节，比如仅需要细胞轴突网络的轴线而不需要细胞轴突的边界；二是试图充分利用到图像内容给我们提供的特有约束，比如细胞的大小，灰度信息，显微镜成像时镜头眩光带来的干扰图样和轴突细胞的空间连续性和灰度相似性等等。接着根据应用场景的不同，把研究目标分为两类：来自于时隙显微镜的二维医学图像和来自于共轴荧光显微镜的三维医学图像。 在具体实现上，本文提出的二维算法主要包括使用分水岭算法给出一个初始分割结果，然后在这个结果上进行“基于内容”的处理，包括利用先验知识去除背景噪声和利用mean shift 滤波器和自适应腐蚀来发现和去除显微镜眩光，接着使用改进的B 样条基函数对提取出的边界进行分解，再根据提取出的多尺度信息对生物学家关心的目标细节进行提取，最后对活动轮廓线算法的能量模型进行了改进，加入了两个新的体现先验信息和生物学家需求的能量项从而获得更精细的结果。 本文在提出的三维算法时首先对数据集和处理目标的特性进行了分析，由于我们要提取的神经细胞轴突中心部分有着局部灰度极大值，所以提取细胞轴突轴线的任务就转化为在数据集中追踪灰度极大值的过程。受阿基米德定律的启发，在密度不均匀的介质中浮力把物体往密度小的区域挤压，我们把原始数据集映射为一个虚拟的水池，数据集中的灰度对应于虚拟水池中的介质的密度，这样就把灰度相似性转化为了浮力，对应的我们把空间连续性转化为重力，这样在数据集中追踪灰度极大值的过程就被映射成了在虚拟水池中模拟一个小球运动的过程。经过这样的“基于内容”的分析和映射，我们就能通过对虚拟水池中小球运动的模拟来给出数据集中神经细胞轴突的轴线。 最后我们对提出的算法进行了测试和验证，给出了主观结果和数值结果。实验结果证明，本文提出的算法在满足速度要求的同时，均有着较好的精度和鲁棒性。