数字化虚拟人体,是医学与信息技术、虚拟现实技术相结合的科技性研究课题。通过人体断面连续切片构建出数据集,将医学信息数字化,为医学教育和医学临床的应用提供了理想的工具。在数字人体模型建立的流程中,切片图像的准确分割是器官和组织三维重建的基础。如何提高人体切片图像数据图分割的精度和速度是目前公认的瓶颈。随着切片加工精度的提高,这一问题越来越迫切。因此,寻求新的技术方法解决这一问题具有重要意义。本文对医学图像分割的理论、方法和技术作了全面、细致的研究。首先,文章对医学图像分割的有关概念、方法及其研究现状进行了综述,然后分别讨论了针对可视化人体图片集背景移除的现行分割方法。医学图像分割主要以各种细胞、组织与器官的图像来作为处理的对象或内容,相关的分割方法,可根据分割标准的选择分为灰度图像分割和彩色图像分割两种,其中传统的灰度图像分割是发展比较成熟的体系,大致可分为直方图阈值法、特征空间聚类法、基于区域的方法、边缘检测等多种方法。在本文中也做了较为详细的介绍。对于灰度图像的分割,已经有相当多的成果和结论,而对彩色图像的分割,由于比较复杂,研究的却比较少。彩色图像的分割可以看成是灰度图像分割技术在各种颜色空间上的应用,把对每一个象素的描述,从灰度图像的一维亮度空间转移到彩色图像的三维颜色空间上,其基本方法也可以看作是灰度图像分割在三维空间的拓展。因此,对于彩色图像分割需面临如下两个主要问题:(1)选择合适的颜色空间; (2)选择恰当的分割方法。由于彩色图像提供了比灰度图像更为丰富的信息,因此彩色图像处理正受到人们越来越多的关注。目前应用于医学图像的分割方法多是因具体问题而提出,还没有一个通用的算法,任何分割方法都不是相互独立的,往往结合使用。而可视化人体切片图像的分割技术,作为数字化可视人体图像进一步处理的基础,同样可以分为按照纹理分割和按照颜色信息分割两种。实验证明,按照纹理分割的方法在对人体切片数据进行二次分割比较有效,因为