随着多媒体技术的广泛应用,图像已成为人类表达、相互沟通的一种重要方式。图像含有的信息包罗万象,如何处理图像中的信息就变得非常重要。在图像处理中,图像的分割与降噪成为学者们研究的热门课题。数字图像处理的应用领域非常广泛,涉及到人类生活的方方面面。上到太空探索,下到地质勘测,从生物医学工程到通信工程等各个方面,都有大量的图像信息需要处理、分析、识别。医学图像由于和人的生命息息相关,直接影响医生对病情的判断,决定着医生对治疗方案的制定或修改,所以对医学图像进行处理具有现实意义。例如,准确的图像分割能够提高医疗诊断的准确性和正确性。本文基于水平集方法研究医学图像的分割技术,建立了一个基于曲线演化理论的图像分割模型,该模型改进了医学图像处理中经常用到的RSF模型。在RSF模型中添加加权面积项,并将所添加的面积项的权系数由常数转变为关于图像像素梯度信息的权函数,使得模型的自适应性增强,曲线在演化过程中能够根据图像信息自主演化。对新的模型进行数值求解并用Matlab对来自临床的医学图像做了实验,实验结果表明新模型与原模型相比,模型的自适应性得到增强,能够更快速准确的把目标从背景中分割出来,是一种行之有效的分割模型。噪声会对图像的分割产生不利的影响,为了降低这种影响,以便能够准确的把图像目标区域从背景中分割出来,针对带有噪声的图像,我们在图像分割之前先用TV降噪模型进行降噪处理。然后建立改进的RSF模型,对模型进行数值求解及用Matlab对临床医学图像做实验。实验结果表明：经过TV模型的降噪处理,图像变得比较平滑,能够为后续的图像分割带来便利,使得分割效果变得更好。