图像分割与配准，是图像分析处理领域中的关键任务与重点问题，尤其是在医学图像分析处理上拥有更加重要的地位。医学图像是否经过正确的分割与配准是临床医生做出正确恰当的诊疗方案的前提。从医学图像的分割与配准问题的提出到现在，虽然有很多方法提出并得到改进，但是到现在还没有一种算法能做到很好的通用性。所以对医学图像的分割与配准算法的研究仍是医学图像处理领域中的研究重点与热点。本文主要从医学图像的分割算法与配准算法两个方面进行阐述与改进。图像分割技术是从图像中将不同的图像内容分割开来或者将感兴趣的区域剥离出来。本文主要进行医学图像组织分割算法的研究与改进，采用基于水平集模型的实现分割算法。并对该算法进行改进，使得算法的收敛正确性和收敛速度的矛盾得到一定程度的改善。图像配准是将不同图像上的相同图像内容的位移、旋转、形变等因素消除，使得两幅图像的图像目标内容具有空间位置上的一致性。医学图像的配准分为刚性配准与弹性配准。对医学图像配准算法框架进行了详细的介绍，实现了异模态医学图像的刚性配准算法。在算法中我们采用不同的相似性测度与不同的优化算法对同一组图像进行配准，比较其效果差异。对图像进行弹性配准能够纠正图像上的局部形变，这种方法更加适用于医学图像的配准。本论文对于医学图像的弹性配准的介绍中，主要对基于B样条自由形变模型的弹性配准算法进行了研究与改进。该配准算法可以实现配准时对全局形变参数的光滑性约束，使得图像的拓扑结构不至于改变。本文实现了基于B样条自由模型的配准算法并结合水平集函数对该算法进行相似性测度的改进，修正了该算法对于简单图像的处理不完善的缺陷，使得算法通用性更好。