医学图像处理是如今热门的医学研究领域,在医学成像系统的基础上,以非侵入方法得到人体内部的组织结构的影像,为方便医生通过医学CT图像对病患者的病情进行诊断与分析,减轻医生的工作。对CT图像进行滤波处理,能够把受噪图像去除噪声得到原图像,以及对CT图像的病灶部分实施精准高效地分割,从而把目标区域更加明显地呈现在医疗诊断者面前,对患者的早期诊断分析和手术治疗是非常有帮助的。但医学CT图像本身易受噪声的干扰,且影像图像灰度不均匀,组织间混迭,病灶多样性都对医学CT图像分割带来了困扰。本文借助经典的算法,实现对医学CT图像的去噪算法与分割算法的改进,提高去噪算法性能,分割算法的准确性,具体的研究如下:本文在首先研究图像处理相关的预处理去噪技术,包括有噪声模型以及去噪模型,图像滤波常用的算法等。针对医学CT图像的噪声特性与图像特性,选取研究非局部均值滤波算法,对于算法衡量像素点相似性仅依据欧式距离,而未考虑图像梯度信息影响因素,增加梯度结构相似性参数,及对核函数改进为高斯余弦函数,提出非局部均值滤波改进算法。最后对医学CT图像分割上,研究边缘检测分割算法及分水岭分割算法,根据医学图像模糊性的特点选择直觉模糊C均值聚类算法,其未考虑图像空间信息因素,加入马尔科夫随机场改进像素点隶属度与目标函数,提出了改进了MRF-IFCM算法能够更加准确地把目标区域从背景中分割出来。通过Matlab对医学CT图像实验证明了,文中去噪算法算法不仅具备良好的去噪性能,同时能对细节很好地保护。并在肺结节CT图像上进行分割实验,文中分割算法分割的准确性高且假阴性及假阳性概率较小。本文的工作即可以为医学CT图像的去噪算法与分割算法提供了理论研究,还可以对医学图像分析以及医学图像三维重建等提供了帮助。