En las imágenes de resonancia magnética (RM) del cerebro, la calidad de la imagen a menudo se degrada debido a la influencia del ruido y los valores atípicos, lo que dificulta a los médicos segmentar y extraer con precisión el tejido cerebral. En este artículo, se propone un algoritmo modificado de c-means difuso robusto (MRFCM) para la segmentación de imágenes de RM cerebral. Según la información del nivel de gris de los píxeles en el vecindario local, se calculan los valores de desviación de cada píxel adyacente en el espacio del núcleo basado en su valor mediano, y se obtiene la medida ponderada adaptativa normalizada de cada píxel. Tanto el ruido de impulso como el ruido gaussiano en la imagen pueden ser suprimidos de manera efectiva, y la información de detalle y borde de la imagen de RM cerebral puede ser mejor preservada. Al mismo tiempo, el histograma de gris se utiliza para reemplazar un solo píxel durante el proceso de agrupamiento. Los resultados de la segmentación de MRFCM se comparan con los algoritmos más avanzados basados en agrupamiento difuso, y el algoritmo propuesto tiene una mayor propiedad anti-ruido, mejor robustez ante varios ruidos y mayor precisión en la segmentación.