CT技术作为一种先进的无损检测手段，广泛应用于航空、石油、机械、汽车、采矿等领域。在工程实际中由于某些被工件内部缺陷性质决定了没有清晰的边缘，如铸件气孔、疏松等，或者因为被测工件在进行CT扫描时，表面与扫描断层平面不垂直等因素，加上CT断层扫描图像的容积效应，造成CT图像边缘的灰度有较宽的过渡区，形成了所谓的渐变边缘或称弱边缘。弱边缘检测是CT图像分割和检测的难题之一。本文以工业CT图像的“弱边缘”检测为研究内容，认真分析了主流图像分割方法的优缺点及各自的适用范围，根据对象的特点，重点研究了基于分水岭的图像分割方法并应用于CT图像的弱边缘检测中。主要工作如下：第一，针对分水岭的“过分割”问题，使用形态学开-闭重建运算对原图像进行滤波，去除比结构元素小的高灰度和低灰度细节，并保证原图像的边缘信息不会偏移或丢失，实验证明，经过滤波后的图像再使用基于分水岭的分割方法，不会出现“过分割”现象。第二，分析了容积效应的成因和对图像边缘的影响，针对两种由于CT系统特有的容积效应而产生CT图像弱边缘的典型工件圆锥和球体，进行了实际的测量和分析，验证了采用基于形态学开-闭重建运算和分水岭的图像分割方法之后对图像边缘进行最小二乘拟合，可使边缘检测精度达到亚像素级。同时根据分割结果对容积效应和切片厚度、工件轴向边缘曲线斜率和检测误差之间的关系进行了定性的分析。第三，在分析了目前常用的缺陷检测方法和工业CT图像噪声之后，针对CT图像中噪声和缺陷的特点，应用形态学开-闭重建运算实现图像的去噪，较好地保持了原图像中缺陷的基本形状特性和缺陷的边缘信息，使处理后的图像边缘不会发生偏移；使用基于分水岭的图像分割方法，进行了缺陷区域填充，缺陷区域被全部提取出来；最后将分割结果和目前常用的四种方法得到结果进行了比较，表明本文所采用的算法在缺陷区域的弱边缘提取方面有较大的优势。综上所述，本文对基于分水岭的图像分割方法做了比较系统的研究，并成功地将该方法应用于工业CT图像的弱边缘检测中，通过实验对边缘提取的精度和使用范围进行了验证。与其它方法比较，本方法应用于工业CT图像的缺陷检测时，可以提取到连通且封闭的缺陷边缘，对缺陷区域实现了一步到位的快速准确的分割，为具有弱边缘缺陷的工业CT图像的缺陷识别和测量提供了一种有效的方法。