肺是人体最重要的器官之一,也是发病率很高的器官,常见的肺部疾病有肺气肿、肺癌、肺大泡、肺炎等,其中肺癌是死亡率最高的癌症之一。临床上医生通过判读CT图像来诊断肺部疾病以及提出治疗方案。但是阅读CT图像是一件非常繁琐和枯燥的事,通过对肺叶分割可以有效的减轻医生的负担,对疾病的防治具有重大的意义。人体肺脏可分成五个独立的功能单元,称为肺叶。作为肺叶间物理边界,肺裂是肺部区域划分、肺病定位和量化评估的基础。CT图像中肺裂分割在早期疾病检查以及后期手术导航起着非常重要的作用,但是从CT图像中自动地分割出肺裂并不是一件很容易的事。首先,肺裂在三维空间中呈现的是一种薄膜状的结构,直接处理三维图像有一定的困难；其次,肺裂在二维平面上表现为微弱的曲线,对比度很低,密度分布不均匀；最后,肺部中血管和气管等管状结构对肺裂的分割也会有很大的影响。国内外许多专家和学者在肺裂增强方面做了很多的工作,提出了许多有效的增强肺裂的方法。本文在已经提出的基于窄条微分滤波器(DoS)的肺裂增强的基础上,利用该增强方法的特点,提出了几种肺裂后处理分割的方法,采用半自动和全自动的方法分别在二维和三维空间中实现了肺裂的分割。本文主要内容包括：1、根据肺裂在二维切片上表现为线状结构的特点,采用开放式主动轮廓模型的方法实现了肺裂在二维切片上的半自动分割。首先,在肺裂附近放置一条初始化轮廓线；然后,在轮廓线内力、图像力以及轮廓线两端拉力的作用下,使初始化线通过不断的迭代向肺裂靠近；最后,在内力与外力平衡的条件下,初始化线便不再演化了,从而达到在二维切片上分割肺裂的目的。2、根据DoS滤波器的特性,本文提出了基于骨架化思想的肺裂后处理分割算法流程,对增强后的三维图像中的肺裂实现完全自动的分割。首先,采用平行细化算法来提取增强后的三维图像的骨架；然后在骨架化后的图像中保留分支点并进行适当的膨胀,再与增强后的图像进行算术减运算,从而达到在增强后的图像中移除分支点的目的；最后在移除了分支点的图像中进行连接元分析,通过最大连接元分析初步得到比较完整的肺裂,再利用肺裂与杂质之间并不直接相连的特性,结合多结构元及多次连接元分析,从而得到完整的肺裂分割结果。这个方法直接处理三维图像,能有效保留肺裂本来的模样。3、为了验证算法的有效性,本文将三维分割的结果与手工划定的肺叶边界参考进行了比较,采用Glucold数据库中的典型的数据进行了实验。通过相似系数来判断算法分割的正确率,同时为了区分算法是否过分分割或者少分割,分别采用假发现率和伪阴性率来表示,通过这几个指标来作为评价准则。通过实验结果证明,本文提出的算法虽然思路简单,但是算法稳定、分割效果较好且时间复杂度较低,具有一定的实际意义。