医学图像分割是医学图像进一步处理和分析的前提条件和基础，在医学图像处理中是一个经典的问题，在临床诊断、病理分析以及治疗等方面具有非常重要的意义。对于脑组织图像而言，对脑部组织的正确分割在测量病变组织的尺寸、外观的量化信息和实现脑部结构的三维重构等问题中起到了关键作用。核磁共振脑图像本身具有模糊性，而且成像过程中容易受到噪声、局部体效应和亮度不均匀性等因素的影响，使图像中某一个特定组织的亮度分布变得平滑，从而导致相邻组织间的亮度直方图交叠分布，成为脑组织图像自动分割技术研究中一个主要障碍，对分割结果的准确性和可靠性造成了很大影响。为了提高核磁共振脑图像分割算法的准确性，针对脑图像分割中的噪声问题和偏移场问题，本文根据核磁共振脑图像的特点，建立了基于聚类区域的图像模型，综合利用模糊C均值算法、信息熵理论、基于梯度的分水岭算法、基于小波的去噪算法和脑组织图像分布规律等，分别提出一种基于局部熵最小化的核磁共振脑图像二次分割算法、基于区域动态搜索和基于二次去噪的核磁共振脑图像分割算法。本文使用的模拟数据和真实数据来自蒙特利尔神经学院的脑组织图像中心和国际脑组织图库，并通过Matlab语言编程实现。通过大量的实验分析和比较，证明了本文算法的准确性和可靠性。