近20多年来,医学影像已成为医学中发展最快的领域之一,被广泛应用于诊断和治疗,使临床医生对人体内部病变部位的观察更直接、更清晰,确诊率更高,也成为了必不可少的手段和工具。而医学图像的分析和处理是医学影像技术极为重要的一个环节,运用一些图像处理技术能有效地对现有医学图像进行深层次处理,如去噪、边缘提取以及分割等,从而提高对医学图像信息的利用率,有助于实现对病变特征信息的提取,并提高诊断准确率。本文首先介绍了医学图像处理技术的发展现状,然后介绍了医学图像中CT图像的特点及CT图像的成像基本原理,重点论述了脑部CT图像去噪、边缘检测和分割的方法。在对脑部CT图像的去噪处理过程中,本文针对生物医学信号是典型的非平稳信号,具有很强的背景噪声,处理起来较困难的特点,引入了一种基于DEMD方法的脑部CT图像去噪方法,它可以有效地去除噪声的干扰,充分保留信号的局部特征。在对脑部CT图像进行边缘检测过程中针对脑部CT图像中的病灶大多是弱边缘的特点,使用结合嵌入可信度的B样条小波边缘检测和小波模极大值算法进行边缘检测。此外,结合经验模式分解理论、LAWS纹理能量测度和模糊聚类知识,本文提出基于经验模式分解方法的CT图像分割。实验结果表明本文提出的算法与其他方法相比,去噪效果较明显,可检测出较为准确和清晰的图像边缘并很清晰地提取出病变区域轮廓,分割结果较为理想。