在包含肩关节的三维CT人体图像中,肱骨、肩胛骨和锁骨距离非常接近,传统的骨分割方法很容易将多根骨头分割在一起;此外,由于不同骨头之间及同一骨头内部的CT值差异很大,导致肩关节分割的难度很大,极易造成多根骨头粘连。准确分割出肩关节对医生诊断疾病意义重大。灰度阈值和Laplace滤波阈值可以分别影响骨头之间和骨头内部的区域生长。通过对每根骨头设定较高的初始灰度阈值和Laplace滤波阈值,然后先后逐步递减两个阈值进行区域生长,检测生长区域像素点数的突变情况,动态确定该骨头分割的两个最佳阈值,从而解决肩关节多根骨头的分割阈值问题。设计了一种CT图像中肩关节的分割方法,该方法将肩关节各骨头的分割过程分成三步。第一步,先分割出肺部,然后根据肺部的位置信息找出肩关节各骨轮廓的种子点;第二步,根据上述思想先动态确定灰度阈值和Laplace滤波阈值,然后使用第一步确定的每个骨轮廓的种子点,用基于区域和边缘的分割方法分割肩关节各骨头的轮廓;第三步,对于第二步分割的每块骨头的轮廓,用各向同性扩散方法和闭操作修复出对应骨头。使用了33组层数和来源不同的人体三维CT图像样例,对提出的方法进行了肩关节分割测试,测试结果表明,该方法能较准确地分割出肩关节的肱骨、肩胛骨和锁骨,并能修复形成医生比较认可的三维肩关节分割图像。