由于图像分割在实际应用上的重要性,国内外学者们对其展开了深入研究。迄今,学者们虽然在该领域取得了一定的研究成果,但仍不能找到一个能够通用的分割算法理论去适应所有类型的图像。不过,在图像分割领域(尤其是医学图像分割),水平集算法有着它独到的优势,此算法分割出来的结果及其表现出来的性能都有一定的领先,所以该方法也是最有希望成为以后的一个通用分割方法。由于医学图像的形成受到噪声和组织运动等的影响,使其灰度不均匀,边界不清晰,因此对于医学图像的分割难度较大。水平集方法研究至今,其理论也基本扎实了,不过还是存在一些问题使得此方法不是那么完美。所以,本文对Chan-Vese(C-V)水平集算法在图像分割上的应用进行了完善。主要工作如下:(1)研究了近年来国内外学者在水平集算法上得到的成果,并分析其适用的范围及存在的缺陷。(2)研究了水平集算法并对其进行实现,应用到图像分割中去,对得到的分割结果进行分析。(3)研究Mumford-Shah算法理论,并在此基础上阐述及实现C-V水平集算法,应用到图像分割中去,分析实验结果得出此模型的优缺点。(4)分析出C-V水平集算法在分割时产生的优缺点后,针对性地提出基于Canny算子的C-V水平集算法。实验表明:该算法不仅分割结果更精确,而且减少了噪声对分割的干扰对于一些边缘信息弱的图像能充分利用其区域信息,达到准确分割的目的。