脑部核磁共振(MRI)图像的脑组织精确分割是核磁共振颅脑图像三维重建、定量分析和可视化的基础，有利于医学影像检查，定性和定量地分析脑组织，进而分析与脑疾病的关系，MRI图像分割提取脑图像中特殊组织的定量信息可以解决医学图像的数据量大，后续分析工作量大，不利于临床诊断等问题，这已经成为当今研究热点。本文主要对T1-weighted类图像进行三个方面研究：1、滤波去噪2、颅骨去除3、脑组织分割。在滤波去噪方面，传统的滤波方法有小波滤波，非局部均值滤波等，小波滤波由于没有考虑到尺度间及尺度内近邻的小波系数与当前小波系数之间的相关性，从而造成分割结果欠佳。非局部滤波存在着循环迭代次数较多，计算时间较长等问题，针对这些问题，本文先采用双边滤波法对MRI进行去噪处理。颅骨的存在对图像脑白质提取影响很大，所以要去除颅骨。目前颅骨去除法主要有区域增长法，动态轮廓模型法，数学形态学法等，这些方法对不包含眼球类图像颅骨去除效果较好，但对包含眼球类MRI图像的颅骨无法去除，本文提出的区域增长等方法可以有效去除该类图像颅骨。在脑组织分割方面，目前比较先进的算法是模糊空间聚类法，其中对于聚类中心的确定，比较简单的方法有随机选取法和监督法等，算法虽然简单，但是聚类中心的最终确定都需要一定的运算时间，影响最后三维重建的实时显示。本文采用峰值自动检测法，自动寻找聚类中心的坐标与个数用以减少分割时间，较随机定中心模糊空间聚类减少了88.4%分割时间。本实验对3个人的共321帧MRI图像序列通过MC算法进行了三维重建，经过多次测试，重建效果良好。只有第3个人的图像效果稍差一些，主要原因是该人的图像脑白质脑灰质对比度较低，脑白质像素值较其它人较低。以上测试与实验说明了该算法鲁棒性较强，算法有效性比较高。