臨床工作中，直接利用前述的三維圖像顯示技術有時仍然難以清晰、完整地顯露目標血管。譬如，強化的血管與骨性結構，血管與強化的實質臟器之間的重疊，全顱容積掃描后無論是MIP還是VR技術都只能顯示顱骨而無法顯露血管等。此時，需要操作者對源圖像進行編輯，將血管從周圍組織中單獨提取出來，也可以直接在三維顯示中裁剪不需要顯示的結構，這就是圖像處理中的分割技術。分割技術包括手動分割法和自動分割法。CT血管后處理中，常用的分割技術有閾值法、裁剪法、區域種子生長法等。

閾值分割為最常用的自動分割方法，由用戶給定一對閾值上下限，分離出灰度（CT值）差異明顯的不同物體。譬如，通過選定閾值，同為高密度的強化動脈和骨骼可以顯示，而低密度的未強化腹腔臟器則不顯示（圖3-2-1）。閾值分割法簡單、快速，但無法分離密度相近的不同結構。在用閾值初步分割物體后，用戶還可以對其進行一些數學形態學操作，如膨脹和腐蝕等處理，以改變目標結構的聯通性。

裁剪法是一種手動分割方法，在二維或三維圖像上使用工具繪制規則或自由形狀的感興趣區封閉空間范圍，并將該感興趣區從原始圖像中刪除或保留（圖3-2-2）。也可以使用裁剪平面，自由滑動和傾斜平面，以去除干擾目標顯示的結構，保留需要觀察的興趣結構（圖3-2-3）。在MIP、VR等顯示技術中使用不同厚度的層塊限定顯露區域的方法，實質上也屬于平面裁剪法。與閾值分割法基于密度的分割不同，裁剪法是基于空間的分割方法，選擇性更強，具有良好的交互性。但是，裁剪法比較費時費力，對于間隔太近的毗鄰結構進行精確分離存在一定的難度。

區域種子生長法，為一種半自動的分割方法，其目的是將成組的像素或區域發展成更大區域的過程，從用戶在感興趣區內指定的一個像素作為種子點開始，將與種子點有相似灰度屬性（CT值）的相鄰像素合并到此區域，“生長”止于閾值邊界（圖3-2-4）。如果能通過某一算法找到待分割區域內的點，并以該點為種子，該分割過程則可通過計算自動完成。區域種子生長法能將具有相同特征的聯通區域分割出來，可提供很好的邊界信息和分割結果。但是那些空間結構上鄰近，且密度相近的不同物體會連通在一起，無法分離。例如，強化的頸內動脈巖段和海綿竇段就很難與顱底骨質完全分離。

理想的分割方法，是既要自動完成，又能正確無誤。由于物體形狀差異大或組織密度相近等因素，分割效果有時難盡人意。當然，自動分割做不到的，仍然可以使用人工分割，手工操作盡管費時繁復，但有時也可充分發揮人的主觀能動性和專業知識的優勢。因此，自動和人工分割的方法?？梢月摵线\用。

當然，三維成像中分割出來的組織結構，不一定都被當作去除的結構，也可根據用戶需求保留下來，而將未被分割的組織去除。也可以在三維體數據中，逐個分割組織，分別保存，然后再進行圖像融合，各組織賦以不同顏色和透明度，從而實現多對象的組合繪制（圖3-2-5）。