本文研究了智能剪刀方法、边缘吸附方法、基于区域划分的彩色医学图像分割方法和基于样条回归模型的分割方法。　　 智能剪刀是一种非常经典的半自动图像分割方法。它使用拉普拉斯过零特征函数、梯度大小和梯度方向给像素点赋予权值，使用动态规划求解最优路径的方法求解两点间的目标边缘。随着鼠标的移动，智能剪刀能非常准确、快速地提取目标的边缘。当鼠标移动到目标边缘附近时，智能剪刀能自动地吸附到目标边缘上，因此智能剪刀也是一种live-wire的方法。　　 边缘吸附的图像分割方法是一种基于边缘的图像分割方法。该方法需要用户在目标边缘上初始化一定数量的点来表示目标边缘的特征。这些点并不必须位于梯度最大或者边缘最明显的区域，但必须是具有边缘的特征。算法的核心思想是在一定的区域中找出与用户选择的点最相似的点，这些点构成目标区域的轮廓。比较简单的方法是将待计算的点同与它相邻的两个用户选择的点进行比较，计算得到具有最大相似性的点是目标的边缘点。　　 基于区域划分的彩色医学图像分割方法是一种基于区域的半自动化彩色分割算法。算法的基本思想是使用Voronoi图将一幅图像划分为若干个区域，对每个区域的图像信息进行统计，利用统计信息构建高斯混合模型并对区域进行分类(目标、背景、临界区域)。计算是循环进行的，每次计算执行完后，用户需要进行交互地操作(屏蔽错误区域、加入新的临界区域、退出程序)。　　 基于样条回归模型的交互式分割方法是基于区域的图像分割方法，它在分割过程中对用户选择的目标与背景区域空间位置的选取具有较大局限性。本文提出一种改进的基于样条回归模型的交互式图像分割方法。在原有算法的基础上，对用户选择的目标区域进行了一次扩散，降低了用户选择目标和背景区域的局限性，达到了提高分割精度的目的。算法首先对用户预选择的目标和背景区域进行K阶聚类得到特征点，再通过这些特征点构造样条回归曲线，最后对图像进行分割。与原算法的比较实验显示出改进算法的优越性及鲁棒性，同时改进算法具有更高的分割精度。