核磁共振成像（MRI）是医学影像中的一种重要成像技术，由于其高质量的图像显示效果，现在已经被广泛的应用到人体各种组织器官病变的诊断，其中较为主要的一个应用就是检测脑部病变组织。MRI脑肿瘤分割为临床诊断和治疗提供了很好的基础。本文将改进现有图像分割算法，利用模糊C均值算法和区域增长算法实现脑胶质瘤MRI图像的分割。　　 首先简略的介绍现有的图像分割算法的原理，以及这些算法应用在MRI脑肿瘤图像分割中的优缺点。针对极具代表性的模糊C均值算法，本文详细讨论了该算法的原理和算法参数的选取，实现了较为精准的肿瘤分割。　　 针对区域生长对噪声敏感以及生长阈值选取困难的不足，本文提出了基于边缘平均梯度和类内平均方差的模型。在图像分割的预处理过程中，首先进行各向异性滤波，达到平滑滤波去除噪声影响的同时避免了边界的模糊，接着引入基于边沿平均梯度和类内平均方差的模型，以边沿平均梯度的倒数和类内平均方差的和作为目标函数，取目标函数的极小值为约束条件。在区域生长的过程中，逐渐增加生长阈值门限，通过目标函数来优化图像分割。我们选取得到目标函数极小值的生长门限值作为最终的分割结果。在实际的医学肿瘤MRI图像分割表明，模型合理有效。