医学图像分割问题一直是图像处理领域中的经典难题。大脑组织具有特别复杂的结构,为了得到脑部病变组织的尺寸、外观的量化信息和实现脑部结构的三维重构,脑组织图像分割显得格外关键。由于偏移场的存在使核磁共振图像中局部统计特性发生变化,不同生理组织的亮度交叠分布,成为自动化分割的一个主要障碍。为了避免以往偏移校正算法中由于偏移估计和校正而造成的信息丢失,基于局部图像模型的基础上,采用局部聚类的思想来克服偏移对分割造成的影响。本文综合利用模糊C均值算法、全局阈值分割算法、信息熵理论以及解剖学中脑组织分布规律,提出一种基于局部模糊聚类的核磁共振脑图像分割方法。为了满足局部图像模型的三个假设条件,本文提出一种基于局部熵最小化的组织分块方法。首先,提出一种基于块的全局阈值分割算法对图像进行初始分割,得到待分割图像的脑白质和脑脊液的图像。其次,根据解剖学中脑灰质总是分布在脑白质和脑脊液之间的脑组织分布规律,提出一种基于组织的分块方法。然后,以熵作为评价同质性的标准,采用基于局部熵最小化的思想来对聚类块的大小进行优化。最后,根据模糊C均值(FCM)算法适合于灰度图像中存在不确定性和模糊性的特点,本文采用FCM算法对每个聚类块进行分割,利用相邻聚类块的聚类中心具有相似性的特点,用前一个聚类块的聚类中心的值来对后一个聚类块进行初始化,从而减少计算时间,提高算法的运行效率。本文提出的方法在克服偏移影响的同时,实现了对脑组织磁共振图像的快速分割。通过对大量模拟数据和真实数据分割的实验,从分割结果的准确性和运行时间等方面证明本文所提出方法的有效性和精确性。