乳腺癌是女性中常见且高发的恶性肿瘤病之一，严重影响妇女身心健康甚至危及生命。乳腺图像增强和检测是乳腺癌自动检测系统的两个主要步骤，其中，乳腺图像增强可以有效地突出图像中病变区域的特征，同时抑制图像中的噪声信息，提高图像的可读性，为医生提供更为可靠的诊断数据；而乳腺图像中肿块的自动检测通过学习肿块的病理特征，使用滑动窗来实现对图像中肿块区域的检测，并为医生标记出图像中的可疑区域，使医生能够将主要精力投入到可疑区域的诊断中，进一步减轻医生的负担，更好地辅助医生进行疾病诊断。本文深入研究了Directionlet变换方法以及稀疏表示理论，并将其应用在乳腺X线图像的增强和检测工作中。主要工作概括如下：第一，通过构建非下采样Directionlet滤波器实现对图像的三层频域分解，基于频域系数之间的相关性提出了一种乳腺X线图像增强算法，在抑制图像噪声的同时增强了图像的边缘；第二，通过提取感兴趣区域的灰度特征和方向直方图特征(Histogram of Oriented Gradient,HOG)构建代表肿块区域特征的字典，再使用滑动窗口来扫描待检测图像，使用稀疏分类器实现对乳腺图像的检测，并对可疑区域进行标记。实验结果表明本文所提出的增强方法能够有效地增强图像中病变区域的特征，提高图像的对比度；本文提出的乳腺肿块检测方法能够较好地检测出图像中的肿块区域，是一种快速有效的检测方法。