随着人们生活水平的提高,肥胖正以惊人的速度在全球蔓延,随之而来的是糖尿病、高血压、血脂质异常、冠心病等一系列疾患, 已成为全球的公共问题。人体中脂肪含量及其分布是判断肥胖类型和肥胖程度的基本指标,目前虽已有超声波法、电阻抗法等检测人体局部脂肪含量或平均体脂参数的方法,但尚未见可自动测绘人体断层中脂肪含量与分布的检测技术。本文通过运用数字图像处理、模式识别理论以及形态学图像处理等技术,设计了一套基于患者CT (Computerized Tomography)图像的计算机辅助脂肪检测系统,重点研究了CT组织图像分割、脂肪形态提取以及分布量化问题,以期能为人体脂肪分布和含量的准确检测及肥胖的量化诊断提供一条方便、快捷的途径。本文的主要研究工作包括以下几个方面:拟定了三种CT图像数据采集方案,对各种数据采集方法的主要技术指标和误差来源进行了分析,比较其优缺点,完成了数据采集工作;在分割研究中,根据脂肪在CT图像中的分布及灰度特性,提出了三种算法:1、自动阈值分割法;2、通过形态学重构改进的阈值分割法;3、势函数聚类分割法。以MATLAB为开发平台,利用其强大的工具库完成了CT图像数据处理和分析的算法结构设计与评估工作,并进行了图形用户界面的设计,为用户带来了操作和控制的方便与灵活性。设计开发了计算机辅助脂肪检测系统软件。以Visual C++ 6.0作为开发平台,应用面向对象的设计思想和可视化编程技术使该软件系统具有Windows程序的风格和良好的用户界面。在分割结果的基础上设计了测定脂肪百分含量的计算方法。同时使用多组图片对上述算法进行了模拟试验和主、客观评价。结果表明,该计算机辅助脂肪检测系统基本达到临床对人体脂肪分布和含量检测的使用要求。