随着计算机科学突飞猛进地发展,医学影像技术也得到了极大提高。图像分割作为医学影像技术的基础,已经成为该领域的研究热点之一。由于医学图像本身的复杂性,医学图像分割成为图像分割领域的一个难题。近些年来,学者们提出了大量优秀的医学图像分割算法,有基于像素的算法,基于区域的算法,基于模型的算法,也有使用人工神经网络的分割算法,但是这些算法都是对特定类型的图像分割效果理想。组件树最早出现在统计领域,后来被纳入到数学形态学的理论框架中,变成了一种形态学方法。国内外学者已经提出了非常丰富的有关组件树的理论,本论文研究基于组件树的医学图像分割算法。这种算法的特点是将图像的像素信息和区域信息综合使用,建立图像组件树。在建立图像组件树之后,对图像的处理就直接转化为对组件树的处理,为图像处理提供了一种新的思路。本文的主要工作如下:由于图像中难免存在噪声,所以在为图像建立组件树之前先进行滤波操作。本文在预处理阶段使用高斯-拉普拉斯(LOG)做图像滤波,经过LOG滤波之后的图像在保持细节的同时抑制了噪声。为图像构造组件树完毕之后,相邻层之间结点灰度差异不明显,有可能相邻层之间的结点属于同一个目标区域,组件树同一层的不同结点之间,面积大小不一,结点面积过小可能是因为图像存在噪声。针对上述组件树缺点,需要对结点进行归约处理,所以本文提出相邻组件属性相似性合并判定准则。依据这一准则对组件树结点进行合并达到图像分割的目的。其他学者基本是独立使用组件树结点的一种或多种属性。在本文中进行组件合并的过程中,综合使用了结点的面积和高度两种属性。从实验结果可以看出,本文提出的基于组件树的图像分割算法对目标的分割效果有较大改进。