医学图像的三维可视化是图像处理技术、计算机图形学理论和虚拟现实技术在临床医学和教学研究中的集中体现。利用面绘制或者体绘制方法将一系列连续的CT图像重建成三维模型,可使医务工作者能够更准确地观察感兴趣区域的分布与组织关系。近年来,这一技术已经成为国内外研究热点,在医学教学、放射治疗、虚拟内窥镜、刑侦、法医学等科学中都具有重要作用。本文首先对DICOM格式的医学图像进行了分析研究,并针对医学CT图像的特点给出了较为适合的滤波方法和分割方法。滤波采用中值-各向异性相结合的方法,使用中值滤波后的梯度模值代替原各向异性滤波PM方程中的梯度模值,有效地利用中值滤波对图像中强噪声和散粒噪声的抑制作用。分割采用分水岭-区域生长相结合的方法,有效地利用图像的结构信息和像素信息,先根据分水岭算法得到梯度图像,这种图像中包含了完整的闭合曲线,再对感兴趣区域进行分割提取,得到的感兴趣区域较为精确,为重建模型的真实性提供了依据。医学CT图像的重建算法采用面绘制中的移动立方体法(Marching Cubes),针对MC算法中存在的二义性问题,给出了改进的查找表法,将原始的15种基本构型拓展为17种,重建结果显示,改进的查找表有效地解决了MC算法的二义性,改善了重建模型表面的孔洞现象。针对MC算法中存在的效率问题,给出了基于人体器官连通理论的“区域遍历”法,单个非空体元内的三角面片确定之后,与其相邻的体元中三角面片也必然会按照一定的规律拓扑扩展;另外,用中点法代替线性插值求取得交点,计算量明显减少,算法的整体效率得到提升。最后,搭建了三维重建的系统平台,使得医学图像经过读取、预处理、三维重建等步骤,从而能与用户进行实时交互。