图像分割技术主要是从原始图像中提取感兴趣区域,是很多高级图像处理任务的基础操作,具有十分重要的研究意义,本文主要针对肝实质分割和冠状动脉提取两个分割关键技术点进行研究。本文首先对现有的图像分割技术进行了研究总结,如:基于区域生长的图像分割算法;基于形态学的图像分割算法;基于图论的图像分割算法;基于均值漂移的图像分割算法;基于活动轮廓的图像分割算法。研究对比了这几种分割方法的算法核心以及在分割实验中表现出的优点和缺点,发现单独使用一种算法来进行分割或者是简单的将几种现有方法进行结合是行不通的,因此本文着重考虑将图像本身所具有的特性以及医学器官所具有的特性相结合,并结合一系列的操作流程和算法来实现器官CT图像分割。由于器官CT图像固有的特性,使得分割面临很大的挑战。为了更好的分割器官CT图像,本文提出了基于图像序列上下文关联的肝实质分割方法和基于连通域的冠状动脉提取方法。本文肝脏器官分割的主要目的就是从一系列腹部CT图像中提取目标器官肝脏,常用的图像分割方法均是针对单张图像进行分割,但是本文不局限在单张,而是对一系列的腹部图像进行器官提取,因此本文考虑将医学肝脏的先验知识加入到肝脏器官的分割中,通过对腹部CT图像中肝脏部位观察,在连续的腹部CT图像中肝脏部位的形态变化较小,占据腹部图像多数面积,且肝脏内部像素点属性相似,最终本文提出一种基于图像序列上下文关联的肝脏器官半自动分割方法,利用肝脏器官组织图像序列上下文的相似性先验知识,结合区域生长和水平集方法,以及少量人工干预作为辅助应对肝脏突变情况进行肝脏器官的半自动分割。实验证明本文提出的方法可以很好的分割出肝脏器官,与医生手工分割的肝脏器官差异仅3%~8%,在可接受的范围内,且分割所消耗的时间复杂度也控制在有效时间范围内。在医学图像处理中,除了脏器官的分割为主要的基础分割,脏器官内血管组织的分割同样是重要的基础分割,本文实现的冠状动脉提取便是冠状动脉骨架化,结构化,血管管径测量以及软斑,硬斑判定的基础操作。为了满足后续操作,本文首先利用自动阈值方法摒除冠状动脉周围杂质,再利用连通域的变化提取出冠状动脉在主动脉部位的开口点,以此开口点作为基础将影响冠状动脉分割的其他组织进行三维切割,最终获得独立的主动脉与冠状动脉组织。实验表明,本文提出的方法可以正确的标定冠状动脉开口点,并有效的切割掉相连的组织器官,分割出所需要的冠状动脉。本文方法可以有效的完成实验分割,且时间复杂度也控制在可接受范围内。本文提出的方法均经过真实数据的实验和统计,验证具有高效性和鲁棒性,证明本文方法具有重要的实用价值。