临床工作中，直接利用前述的三维图像显示技术有时仍然难以清晰、完整地显露目标血管。譬如，强化的血管与骨性结构，血管与强化的实质脏器之间的重叠，全颅容积扫描后无论是MIP还是VR技术都只能显示颅骨而无法显露血管等。此时，需要操作者对源图像进行编辑，将血管从周围组织中单独提取出来，也可以直接在三维显示中裁剪不需要显示的结构，这就是图像处理中的分割技术。分割技术包括手动分割法和自动分割法。CT血管后处理中，常用的分割技术有阈值法、裁剪法、区域种子生长法等。

阈值分割为最常用的自动分割方法，由用户给定一对阈值上下限，分离出灰度（CT值）差异明显的不同物体。譬如，通过选定阈值，同为高密度的强化动脉和骨骼可以显示，而低密度的未强化腹腔脏器则不显示（图3-2-1）。阈值分割法简单、快速，但无法分离密度相近的不同结构。在用阈值初步分割物体后，用户还可以对其进行一些数学形态学操作，如膨胀和腐蚀等处理，以改变目标结构的联通性。

裁剪法是一种手动分割方法，在二维或三维图像上使用工具绘制规则或自由形状的感兴趣区封闭空间范围，并将该感兴趣区从原始图像中删除或保留（图3-2-2）。也可以使用裁剪平面，自由滑动和倾斜平面，以去除干扰目标显示的结构，保留需要观察的兴趣结构（图3-2-3）。在MIP、VR等显示技术中使用不同厚度的层块限定显露区域的方法，实质上也属于平面裁剪法。与阈值分割法基于密度的分割不同，裁剪法是基于空间的分割方法，选择性更强，具有良好的交互性。但是，裁剪法比较费时费力，对于间隔太近的毗邻结构进行精确分离存在一定的难度。

区域种子生长法，为一种半自动的分割方法，其目的是将成组的像素或区域发展成更大区域的过程，从用户在感兴趣区内指定的一个像素作为种子点开始，将与种子点有相似灰度属性（CT值）的相邻像素合并到此区域，“生长”止于阈值边界（图3-2-4）。如果能通过某一算法找到待分割区域内的点，并以该点为种子，该分割过程则可通过计算自动完成。区域种子生长法能将具有相同特征的联通区域分割出来，可提供很好的边界信息和分割结果。但是那些空间结构上邻近，且密度相近的不同物体会连通在一起，无法分离。例如，强化的颈内动脉岩段和海绵窦段就很难与颅底骨质完全分离。

理想的分割方法，是既要自动完成，又能正确无误。由于物体形状差异大或组织密度相近等因素，分割效果有时难尽人意。当然，自动分割做不到的，仍然可以使用人工分割，手工操作尽管费时繁复，但有时也可充分发挥人的主观能动性和专业知识的优势。因此，自动和人工分割的方法常可以联合运用。

当然，三维成像中分割出来的组织结构，不一定都被当作去除的结构，也可根据用户需求保留下来，而将未被分割的组织去除。也可以在三维体数据中，逐个分割组织，分别保存，然后再进行图像融合，各组织赋以不同颜色和透明度，从而实现多对象的组合绘制（图3-2-5）。