乳腺癌已经成为威胁女性健康最常见的肿瘤疾病。欧洲,美洲,澳大利亚是乳腺癌的高发地区,在亚洲乳腺癌发病率相对较低；但是在全世界范围内乳腺癌患病率和因乳腺癌死亡率呈现出不断上升的趋势。所以早期发现,早期预防和早期治疗是降低乳腺癌死亡率的关键因素。目前的诊断方法虽然很多,但是乳腺X线钼靶检查仍然是最普遍的检查方式。然而由于图像质量,技师的拍摄关系和医生自身的因素容易造成误诊和漏诊。因此,出现了以乳腺数字X线图像为基础的乳腺CAD(计算机辅助诊断)系统帮助医生检查和诊断。本文所进行的研究就是基于乳腺CAD系统,其中包括微钙化点检测算法中的预处理的改进和血管钙化算法。微钙化是乳腺区域所产生的微钙化点,同时乳腺图像中的微钙化簇是乳腺癌早期的征兆之一,及早的发现微钙化点对于乳腺癌以及其它乳腺方面疾病的早诊断,早治疗有着重要的意义。由于大量的学者都把工作重点放在微钙化点的检测上,目前现行的乳腺CAD的微钙化点检出率都普遍不错,能够达到人们所期待的和满意的程度,但是检出率与假阳率的变化往往是同步的,假阳率如今也一直居高不下。基于此种现状本文提出了乳腺图像的预处理算法改进和血管钙化的检测算法。预处理部分将两种方法进行了对比,一种为常规方法,双阈值法确定初始边界作为种子边界,然后利用分水岭算法来确定最后的轮廓和乳腺区域。另外一种方法则是引入了K聚类的方法,利用乳腺图像由里向外像素值递减的特性寻找到乳腺图像的初轮廓,然后向外插值,再利用优化算法进行边界确定最后找到乳腺区域。血管钙化算法则是利用了Hessian矩阵的特性和多尺度图像分析,先求出每个像素值的Hessian矩阵,然后得到其对应的特征值,根据特征值可以判断线性和类圆性物体的特性,引入了血管度计算公式,得到血管度概率图。通过血管概率图我们可以采取阈值的方法,确定出初始的血管钙化区域,接着利用数学形态学以及区域标记,判断它他们的圆形度等特征,去掉普通钙化,粗钙化等假阳,最后得到血管钙化区域。