随着医学成像技术的飞速发展,科学家可以无创伤地,多方面地研究脑,脑的研究已经成为当今科学的前沿热点问题。绝大部分脑图像的研究和应用(如:脑的三维可视、疾病诊断等)都需要把脑从包含有头骨、头皮、眼球等其它组织的脑图像中提取出来,因此,脑提取是人脑研究的一个重点,是后续脑图像研究的基础。针对脑提取快速准确性的要求,本文采取两级自动提取策略,实现T1加权MR体数据的脑提取。脑的初级提取,主要根据图像的全局信息和脑的几何形状,参考已有医学图像分割算法,采用基于三维形变曲面模型的方法。首先依据脑解剖知识,影像学知识及T1加权MR图像脑组织在灰度直方图中的分布规律,应用灰度直方图的线性拉伸,提高组织之间的灰度对比度。然后依据人脑的几何形状,构建球状三角形网格表面完成三维形变曲面模型的初始化;在基于曲面半径的光滑力和基于图像灰度值的外力作用下,网格表面各点运动,实现三维形变曲面模型的变形。再次依据三角形自交叉原理测试终止三维形变曲面模型变形。最后采用区域增长方法,实现脑的提取。脑的二级提取,主要根据图像的局部信息,针对图像的单个体素,采用数学形态学方法;是对脑初级提取结果,再一次更精确的脑提取。考虑T1加权MR体数据特点,采用六邻域结构元素,通过体数据区域划分,对不同区域采取不同程度的腐蚀,实现了脑的更精确提取,同时也实现了数学形态学的三维应用。本文实现了脑的两级自动提取,并对算法和参数进行了评估优化。对7套T1加权MR体数据,脑提取实验,结果表明基于三维形变曲面模型方法完成了脑的精确提取,分割质量92%以上,数学形态学方法完成了脑的更精确提取,分割质量94%以上。