肺癌是威胁人类生命健康的恶性肿瘤之一。计算机断层扫描（CT）技术在肺癌的早期筛查、诊断和临床治疗等过程中发挥着至关重要的作用。但是CT图像中信息丰富,如何检测到感兴趣区域并准确地分割肿瘤仍然是计算机辅助诊断领域的一个难题。针对CT图像的处理以及肿瘤分割,由于不同肿瘤之间的特征各有不同,尤其是部分肿瘤的生长会对周围组织产生排挤,导致肿瘤的部分区域未在正常肺实质轮廓内,极大地增加了肿瘤分割的难度。本文研究了不同肺肿瘤的特征并针对各个类型的肿瘤设计了相应的肺实质分割、肺实质轮廓凹陷修复和肺肿瘤分割等方法,主要研究内容如下:（1）为了提高图像处理的效率,设计了一种针对肿瘤感兴趣区域的自适应检测方法。将含有肿瘤的感兴趣区域映射到CT原图或完整的肺实质图像中,将全局的图像处理降低成局部的图像处理,有益于后期的肺实质边界修复及肿瘤分割。首先将灰度直方图与大津法相结合,实现快速的肺实质初提取,并用滚球法对其进行处理以实现含凹陷的肺实质轮廓初修复操作;然后基于图像的灰度信息进行肿瘤定位;最后依据肿瘤的大小信息自适应调整感兴趣区域的窗口大小。（2）针对周围型肿瘤的粘连问题,设计了一种基于定向性边缘跟踪算法的肿瘤弱边界提取方法。周围型肿瘤的粘连行为会导致弱边界的形成,而将正常肺实质轮廓近似为肿瘤弱边界的方法存在误差,这种误差在肿瘤侵入被粘连组织的情况下会因丢失部分肿瘤区域而被放大。本文从图像最基本的灰度信息出发,将梯度信息与肿瘤的位置信息相结合,从肺实质的强边界开始逐步搜索肺实质边界,直至跟踪到肿瘤的弱边界,并利用非极大值抑制进行边界矫正,最终实现对肿瘤弱边界的提取,达到以最接近真实的肿瘤弱边界对肺实质轮廓的凹陷处进行修复。（3）研究针对不同类型肿瘤的分割方法,设计了一种融合形态学处理的自适应区域生长算法。区域生长算法中种子点的数量及分布影响着分割的准确性,因此本文利用形态学处理在肿瘤区域的边缘内侧均匀选取种子点以实现肿瘤的自动分割,并将膨胀后边缘作为区域生长的限制范围,减少生长泄露情况的发生,提高肿瘤分割的准确率。