医学影像处理在医生临床诊断中起着很重要的作用,是图像处理领域的热点问题。医学成像技术给医生的治疗,病人的康复都带来了很大的帮助。图像分割在医学影像分析中占有很重要的地位,不仅代替专家手动分割也为后续的三维重建提供基础。由于脊柱的密度在人体各组织中相对较高,在医学中一般采用CT设备对脊柱进行成像,但因为CT图像本身存在模糊效应,这给计算机自动分割带来不小的挑战。由于脊柱CT影像的复杂性跟多样性,因此对脊柱CT影像的分割算法的研究迫在眉睫。本文采用基于加权模糊C均值聚类(Weighted Fuzzy-C Means,WFCM)和局部二值拟合模型(Region-Scalable Fitting,RSF)的分割方法,首先对原图像进行有效预处理工作,使最后进行分割算法的图像更加清晰,对比度更强,轮廓也更清晰。在预处理后,应用WFCM算法对脊柱CT影像的灰度级进行聚类,在不断极小化目标函数J的过程中,对聚类中心,特征权值和划分矩阵进行迭代更新,直到满足停止条件,则认为将目标跟背景已经做好了分类,得到了最终聚类的结果。而后由于RSF模型对初始化零水平集曲线的位置十分敏感,所以将WFCM得到的聚类结果作为RSF模型的初始化零水平集曲线,随着能量函数的演变,初始化零水平集发生曲线演变,当能量函数达到极小值时,演化曲线到达目标附近,即得到了最终的分割结果。最后将会在分割效果,分割精度,分割时间这三个方面对本文算法进行有效性验证。本文在MATLAB平台下对3名不同的患者的100幅脊柱CT影像进行分割,将本文算法、C-V算法和医生手动分割在分割结果、分割精度和分割速度这三个指标上进行对比剖析,结果证明本文算法提出的WFCM和RSF模型算法无论是在分割精度还是在分割时间上,都优于C-V算法。本文算法具有很好的性能,为计算机自动分割医学影像以及三维重建脊柱模型提供了理论基础。