医学图像的分割是医学图像处理中的重要组成部分之一，医学图像分割的结果为医学研究和临床治疗提供定性和定量的判断依据。本文基于医学图像的分割算法研究，介绍了图像分割的基本原理，讨论了传统的边缘检测和区域分割的算法的性能优劣，并针对传统的边缘检测、阈值分割和区域分割算法存在的缺点，研究了新的边缘提取算法、改进的阈值分割算法和改进的区域分割算法。本文的主要工作如下：（1）研究了一种基于边缘曲线连贯性的边缘检测和追踪算法。该算法利用物体边缘曲线具有连续性这一特点，先检测出强边缘，进而利用事先设定的追踪策略，对图像中的弱边缘进行追踪，达到提取边缘的目的。（2）研究了基于二维灰度直方图的阈值分割算法，包括二维最大类间方差算法和二维最大熵算法。原始的最大类间方差（Otsu）算法和最大熵算法都是基于一维灰度直方图的。本文在一维灰度直方图的基础上，研究了基于二维灰度直方图的二维最大类间方差算法和二维最大熵算法，讨论了更高维数下该算法的可能性及可行性。（3）研究了基于控制标记符的分水岭分割算法。由于大量极小值区域的存在，会导致直接的分水岭变换产生过分割现象，过分割会造成分割结果没有意义。针对此缺点，本文研究了一种基于控制标记符的分水岭分割算法，该算法通过内部标记和外部标记来消除极小值区域，从而有效克服由于极小值区域导致的过分割问题。实验结果表明，相比于传统的边缘检测算法，本文的边缘检测及追踪算法有效地避免了阈值选取的问题，在抗噪性、边缘的连续性、光滑性、单像素性上具有更加良好的性能；相比于一维的最大类间方差算法，本文的二维最大类间方差算法能够有效降低错误划分的概率；相比于原始的分水岭分割算法，本文的改进型分水岭分割算法能够有效克服过分割现象，提高了图像分割的效果。