基于医学图像的诊断已被广泛地应用于医疗诊断,因此,准确的图像处理技术起着重要的作用。本文就图像处理中很重要的基础环节图像分割做了研究,使用边缘检测、阈值分割方法分割了灰度图像。在彩色图像分割的研究中：实现了HSV聚类方法、分水岭方法分割彩色图像,创新地引入权重概念改进了分割方法。图像分割的大部分技术是针对灰度图像的。本文采用了边缘检测和阂值分割两种方法对灰度医学图像进行分割。介绍了边缘检测算子中的了Sobel算子和拉普拉斯算子,并利用人体切片图像进行实验。针对灰度图像分割,本文实现了阈值分割中的类间方差阈值分割、最大熵阈值分割、迭代阈值分割方法,并针对算法中存在的一些误判区域,结合中值滤波和形态学腐蚀操作进行了改进,得到了较好的分割效果。随着技术的成熟,彩色图像的分割被提上日程。与灰度图像相比,彩色图像所能提供的信息更加丰富,实现分割的难度也相对较大。文章彩色分割章节首先介绍了四种常用的彩色空间,实现了彩色人体切片图像在四个空间上的转化。然后介绍了RGB空间中的彩色分割：利用灰度图像的阈值分割结果进行间接分割；在RGB空间上直接分割。又介绍HSV空间聚类方法理论基础以及算法流程,实现算法并使用彩色医学图像进行实验。针对医学图像的复杂性,文章进一步研究了分水岭分割方法,并实现该方法对彩色人体切片图像的分割。针对分水岭方法产生的过度分割问题,创新地引入权重概念,分别结合阈值分割方法和HSV颜色空间聚类算法对其进行了改进,分割得到了更加精确的目标区域。