医学图像分割是图像处理领域研究的热点和难点问题,医学图像的准确分割是后续处理和临床诊断的重要保证。然而,由于医学图像的复杂性和多样性,其中灰度对比度低、区域间相似性大、边界模糊等难点,使得医学图像分割至今仍未获得很好的解决。基于图论的图像分割是以图论中的图为研究对象,在图论领域完成图像的分割,是图像分割的一种新思路、新方法。该方法具有其他方法所不具备的特性,鉴于研究现状尚有许多亟需解决的问题。本文正是在这一背景下,以有助于临床诊断和治疗为前提,对基于图论的医学X线图像分割方法进行较为深入的研究。本文主要的贡献和创新如下：(1)系统地研究了图论特性与图像特性的对应关系,在对应关系的基础上总结了基于图论的图像分割方法的基本框架；其次从灰度对比度、平滑度、一致性和灰度直方图的角度分析了医学X线图像分割的显著特点；然后,针对图切割分析了其应用和发展需要解决的问题,总结了分割方法运算量大、对一致性高的区域区分能力不强等局限性,为后续章节改进算法的研究提供基础。(2)针对医学X线图像对比度低、边缘模糊的问题,提出了两种基于人类视觉特性的医学X线图像分割方法：Multiple Normalized Cut分割方法和基于伪彩色的Normalized Cut分割方法。在全局分割的基础上,Multiple Normalized Cut在局部阈值的控制下得到欠分割边缘的准确分割结果。该算法可得到图像连续的边缘,较好的解决医学图像欠分割问题。基于伪彩色的Normalized Cut分割方法,通过对灰度X线图像伪彩色化处理,增加图像的彩色信息、增强边缘对比度,在NormalizedCut准则下得到完整的分割结果。该算法对对比度较低以及含有伪影的医学X线图像具有一定的处理能力,并且分割结果准确、稳定。对两种改进算法在龋齿X线图像分割应用中进行测试,仿真结果验证了改进算法的可行性和有效性。(3)针对图论分割算法的处理速度慢、数据量大问题,选用Kruskal算法生成最小生成树应用于医学图像分割,从相似度矩阵构造,到分割准则设计,最后给出了算法的具体实现,并对龋齿X线图像进行分割,验证了算法的有效性。该算法能够获取医学X线图像的全局信息,得到准确的分割结果,同时算法带来的显著优点是算法处理速度快,数据结构简单,可应用于对实时性有要求且待处理图像数据量大的医学图像分割领域。