随着计算机、网络和图像处理技术的发展,各种数字技术得到广泛的普及与应用,数字图像处理技术作为处理视觉图像信息的专门工具,正逐步向其他学科领域渗透,广泛促进其他学科进步的同时,自身也得到了飞速的发展。医学图像处理目前是数字图像处理的一个重要分支,数字技术的出现大大提高了医疗诊断的准确性,同时降低了成本。医学图像处理技术在临床诊断、教学科研等多个方面都发挥了重要的作用。医学诊断要借助对医疗图像(如CT,X光,B超等)的分析来实现。有的医学图像资料没有达到标准要求的清晰度,致使诊断结果不准确。实现医学图像的图像增强处理,将具有巨大的社会应用价值。在多种医学图像中感兴趣区域和其周围结构的低对比度现象都是影响医学图像理解从而造成误诊的重要原因。要增强图像的对比度,一般的做法是增加扫描电磁波的强度或延长检查时间,这些做法增加了检查的成本和对病人的伤害。在此情况下,对于医学图像的数字后期处理是很有必要的。医学图像增强处理主要是突出医学图像中感兴趣的信息,而减弱或去除不需要的信息,从而使有用信息得到加强,便于区分理解。图像增强的目的在于:其一,采用一系列技术改善图像的视觉效果,提高图像的清晰度。其二,将图像转换成一种更加适合于人或机器进行解译和分析处理的形式。粗糙集理论,是一种研究不精确、不确定性知识的数学工具。利用粗糙集理论,可以方便地描述知识表示中不同属性的重要性,减少知识表示空间的维数。结合粗糙集理论、数字图像处理技术,依据各种医学图像的成像原理及相应疾病的病理征象分析,提出的基于粗糙集理论的医学图像增强算法,把医学图像看成是一个知识系统,利用粗糙集理论中的不可分辨关系,根据医学影像学中的“知识”(人体器官之间的密度差异)来定义等价关系,将医学图像划分为目标区域子图、背景区域子图,分别对各个子块进行增强处理,最后将各个子块的处理结果进行叠加,得到基于粗糙集的医学图像增强处理结果。本文的具体实验中,以胸部医学图像中的肺组织为目标区域,得到突出目标区域的图像增强结果。针对所要处理的医学图像进行了大量的实验,将本文所提出的算法与几种经典的增强算法进行对比分析,并研究了DSM(基于概率分布的评价方法),从而验证了本文所提出的算法优于传统方法,更适用于医学图像的处理与分析,能够比传统的医学图像增强算法更有效地提取出医学图像中所蕴含的信息。本课题设计了基于粗糙集的医学图像增强系统,将本文提出的增强算法与一系列医学图像处理及分析方法(如:增强、分割、测量等)与必要的医学图像处理功能集成整理成一个系统中,可以显著地提高待增强医学图像的视觉质量,采用计算机视窗技术和操作界面图标化等,方便了医生的操作与诊断。利用该工具可以实现对多种医学图像的快速、有效地增强,能够为医生的准确诊断提供可靠的依据。该系统力求做到界面友好,使用方便,必将成为医生日常诊断的有力工具,大大提高医生的诊断准确性与效率。