作为图像分割的一个重要应用领域，细胞图像的分割受到计算机图像处理研究者的广泛重视，细胞图像分割方法研究也随着通信技术、信息处理技术和计算机技术的发展成为当代图像领域的前沿课题。本文首先回顾了图像分割算法的定义和分类以及现有的灰度图像分割算法，重点介绍了一些新兴的分割技术及其在细胞分割中的应用。分水岭变换是一种数学形态学图像分割方法，它可以得到精确的边缘，即连续、封闭、单象素宽的边缘。但是它的主要缺点就是对噪声十分敏感，很弱的噪声就会造成严重的过分割现象，致使分割结果出现大量的零散区域。本文针对这个问题，运用了一种基于距离变换的分水岭算法，首先用最大类间差法对图像进行二值化，然后对图像作距离变换，将像素点位置信息转化为灰度信息，再利用分水岭算法找到粘连边界点，从而将细胞分开。基于几何变形模型的水平集方法，将二维(三维)的闭合曲线(曲面)的演化问题转化为高维空间中水平集函数曲面演化的隐含方式来求解。然而，传统的水平集方法仅利用图像局部边缘信息，对边界模糊或者存在离散状边缘的区域，容易产生边界泄漏等问题，很难得到理想的分割结果。本文介绍了一种基于Mumford-Shah图像分割模型的C-V方法。该方法的停止函数不再依赖于图像的局部梯度，即使图像中的边界模糊或呈断续状，仍然可以获得理想的分割结果。