图像分割是计算机视觉领域一个重要而基本的问题,尤其是图像理解、成像目标的识别与跟踪、机器人视觉中的一项关键技术。图像分割是将图像划分成多个具有相似特征的区域,并提出感兴趣目标的技术与过程,它是从图像处理到图像分析的一个关键步骤,并且已在计算机视觉、模式识别和医学图像处理等实际中得到广泛的应用。所以对图像分割的研究一直是图像技术研究的热点和焦点之一,从而导致图像分割的算法层出不穷。然而现有的图像分割算法对目标的检测和识别,多数未达到令人满意的结果,因此根据实际课题的需要,本文展开了对图像分割方法的研究。结合本人参与的粤港关键性领域突破项目--手术导航系统及其关键技术,论文主要涉及以下内容： 1)首先介绍了几种最常用的图像分割算法,针对医学图像的特点研究并实现了一种基于区域生长的图像分割方法,该方法针对不同的分割目标具有灵活可变性,一是在分割边缘时,可使边缘定位精确；二是在病灶分割时,可自动找到病灶的边界,为医师判断肿瘤或伤疤的大小提供了极为有利的依据。三是分割内部组织时,对于与其他物体有粘连的地方可以结合人的手动分割来实现。 2)其次研究了基于边缘的图像分割方法,通过传统边缘分割算法的对比发现,Robens算子、Sobel算子等的边缘检测速度较快,但得到的往往是不完整,不连续的边缘信息,并且对噪声较为敏感。而拉普拉斯算子和Canny算子能够有效地检测出图像边缘,并对噪声有一定的抑制作用,但计算量大,耗费时间长,定位也不够精确。 3)综合考虑图像边缘和噪声的小波变换模极大值和方向在不同尺度或同一尺度下呈现不同特性的特点,提出两种自适应算法,采用基于小波变换的自适应滤波和阈值方法,对图像边缘进行检测。实验结果表明：采用自适应阈值时,能较好地保留微弱边缘,对强弱边缘同时存在的图像有较好的适应能力。算法简单,容易实现,由于样条小波是紧支撑的,计算量小,复杂度较低,得到的边缘图像具有较好的视觉效果。