心脏是人体中很重要的一部分,心脏方面的疾病也日益成为人类生命的重要威胁,对心脏感兴趣部分的提取与分割对于临床医学研究病变组织起着至关重要的作用,它能够方便医生的操作,减少人为失误,提高就医效率,节省医生和病人宝贵时间。医学图像分割是医学图像处理的关键步骤和重要技术,是目前研究的热点问题,本课题通过对医学图像分割算法进行研究,实现了心脏CT图像的分割。由于windows下不能直接识别基于DICOM格式的医学图像,本文首先将基于DICOM格式的心脏CT图像转换为windows下能识别的BMP格式图像,为后面windows下的心脏CT图像分割作基础;接着对转换后的BMP图像进行分割研究。本论文主要对分水岭分割算法进行研究,单独的分水岭变换由于受到图像本身的噪声和灰度不均匀等因素的影响,往往会存在一定的过分割现象,需要进行适当的改进。本论文先对心脏图像进行预处理,用形态学操作对图像进行滤波去噪处理;然后用改进的多尺度形态学梯度算子得到心脏图像的梯度图;再通过形态学操作和基于距离的分水岭变换依次取得前景和背景标记,修改梯度图像进行改进的基于标记的分水岭变换对图像进行分割操作。将分割结果结合目标区域的灰度特征这一先验信息提取出理想的目标组织,再进行适当的区域合并的后处理,得到理想的分割效果。本课题将基于DICOM格式的心脏CT图像转换为BMP格式图像并显示,显示结果与专业的处理DICOM图像的软件ezDICOM基本相同,说明本课题的正确性;而且本课题可以对医院采集到的心脏CT图像进行批量转换,大大提高了转换的效率。本论文提出改进的分水岭算法、结合改进的Li水平集算法和分水岭算法,能够较好地提取出心脏CT图像的目标组织的同时可以将含有粘连现象的目标组织分离出来,使得分割结果更加理想,最后将分离出的目标组织进行伪彩色显示,方便观察和分析。