医学图像三维重建是将连续的二维医学断层图像合成为体数据并用三维图像的形式显示出来,以增强医生对器官结构和病灶三维形态的观察和理解,有利于提高临床诊断的准确性。在临床应用中,医生仅用二维医学断层图像很难建立起来三维空间的立体结构,容易造成病变定位的失误。利用三维重建技术可以准确的给出人体器官的三维图像,为医生提供具有真实感的视觉效果,极大地提高了医疗诊断的准确性和科学性,在临床医学中具有重大意义。三维重建涉及到数字图像处理、计算机图形学、生物医学工程等多种技术,是数字图像处理技术和计算机图形学在生物医学工程中的重要应用,其研究领域涉及多个交叉学科,是目前研究的一个热点。医学图像三维重建的主要步骤包括医学图像的获取、预处理、组织器官的分割与提取、形成体数据库、三维模型的重建等。其中图像预处理是三维图像重建系统的首要环节也是关键步骤,预处理的结果直接影响到分割效果,而目标分割的质量直接决定系统重建的整体效果。本文主要完成的研究工作如下：1.对三维重建系统中的预处理算法和分割算法进行细致研究,并通过大量实验进行对比分析,指出其优缺点及适用范围。在实际应用中,从实用角度来研究医学图像预处理的算法问题,运用改进的自动调节邻域中值滤波方法对连续医学图像进行滤波,增强图像质量。2.传统的分割算法处理每一幅图片都需要用户选定对象和背景,耗时较长。针对医学CT连续断层图像间相关性强特点,提出一种把Graph Cut方法和区域生长方法相结合的图像分割算法。首先使用Graph Cut法对连续断层图像的首幅图像进行分割,以分割出的图像轮廓作为后幅断层图像待生长区域的边缘,将边缘进行腐蚀后再进行区域生长,分割出目标图像。实验结果表明,该方法处理连续CT图像时仅需对首幅图像进行人工交互,在后续图像的分割中避免了每幅图像都要人工交互的繁琐,分割效果好,速度快。3.最后将分割目标与后续重建算法结合起来,建立一个完整的三维重建系统。