随着技术的不断提高,核磁共振成像(MRI)因其高质量的成像效果已成为人体各部分组织病变检测的重要手段,在脑部病变检测中的应用最为广泛。MRI脑肿瘤的准确分割为快速临床诊断和治疗提供了可靠性。但是脑肿瘤病例的多样性又给脑肿瘤分割的研究带来困难。本文在现有脑肿瘤图像分割算法的基础上,利用电势能理论、区域生长算法、粒子群算法、FCM算法等对现有算法进行了改进和优化,更好地分割脑肿瘤图像。首先,本文介绍了国内外脑肿瘤图像分割的研究现状,常用的脑肿瘤分割算法和核磁共振成像原理,为后续的研究奠定理论基础。其次,本文提出了一种改进的区域生长算法。通过借助电子学中“势能”的概念,将图像的每个点的像素值作为点电荷的电荷量。借助各个像素点“电荷量”的大小进行粗分割。在区域生长中引入四元数,根据四元数的表示形式取种子点上下左右四点像素值表示种子点像素值,同时利用四元数矢量积结合粒子群算法确定生长规则。使用上述改进的区域生长算法,准确地分割图像。再次,在优化粒子群优化算法和模糊聚类的基础上,改进了一种FCM算法。通过优化粒子群优化算法得到聚类中心,解决聚类中心选择不良的问题;将空间信息的惩罚项加入到FCM算法中,解决了传统FCM算法使图像分割不足的问题。准确地分割了脑肿瘤图像。最后,将本文所提出的两种分割方法进行对比实验,得出二者各有优势的结论,改进的区域生长算法使用时间较短但精度较低,改进的FCM算法精度较高但需要较长时间。