随着CT,PET,MRI等现代化医学影像技术的发展,医学图像在诊断病情方面就扮演了前所未有的重要角色。因为X射线穿过空气和人体组织后衰减的程度不同,所以由CT扫描出来的图像就成了提取影像特征的重要选择,因此由CT扫描出的图像在通过观察肺部的气管树来诊断肺部的相关疾病方面有着重大的作用。但是在另一方面由于CT扫描出来的数据信息量大且复杂,所以对于医生来说大部分的数据信息都不是医生想要的,这样一些复杂的数据信息则会给医生带来诊断上的麻烦。这种问题的一个解决方案就是通过肺部气管树的一些特征把肺部CT图像中医生需要的部分分割出来并进行三维显示,把分割好的结果呈现给医生。因此怎样通过算法将肺部CT图像中的气管树准确、快速的分割出来就显得尤为重要。如今,有关气管树的三维分割显示这种计算机辅助技术还没有在临床医疗上应用,因此本次论文的研究目的就是希望通过算法自动的找到一种快速、准确的分割肺部CT图像中气管树的方案。在这篇论文中,基于气管树的形态学组织结构,提出了一种全新的算法来提取人体肺部CT图像中的气管树,这种算法包括钳制,高斯平滑滤波,三维区域生长,三维波传递,三维形态学检测,闭操作填洞这五个部分。本课题中这种自动提取算法已经应用于28个不同的病例,能够成功分割出10级以上的支气管,整个气管树的分割所消耗的时间在15s左右。这篇论文根据分割的效果分析和讨论了算法的适用CT数据类型和算法的参数选择。并对COPD和肺癌的患者的肺部图像进行分割,通过比较气管的数据和气管树形态来总结并猜测这些疾病对气管树的影响,为今后的研究提供数据基础。本论文所研究的分割方法快速,准确,可为人体肺部气管树诊断提供一定的临床参考价值。