在现代医学中,根据X光图像对病情做出判断已经成为医学诊断过程中尤为重要的一部分,医学图像处理与分析越来越多地受到人们的重视。如何在获得医学图像后对其进行增强,从而得到清晰真实的医学图像,对于医生来说极其重要。然而,直接从硬件设备上取得的医学图像的质量并不容乐观,往往关键的病灶特征被覆盖在噪声重影下,或者边缘模糊导致无法确认。如果这些医学图像存在的问题不能合理解决,将会给医生的诊断过程造成很大的困扰。因此,如何有效地对医学X光图像进行增强处理,使得医生能够准确地从图像中观察到病灶部位的信息,是医学图像处理领域中越来越重要的一个分支。基于以上背景,本文从X光图像自身的特点和医学图像增强的特点出发,对目前医学X光图像处理方面存在的不足进行分析,结合已有算法,提出了多尺度和直方图均衡的X光图像增强算法。论文的主要工作如下：1)对传统的空间域图像增强方法和频率域图像增强方法进行学习,并在这两个领域中分别提出改进算法。对空间域中直方图均衡化、灰度变换、平滑滤波、锐化滤波等算法,以及频率域中的傅里叶变换、高通/低通滤波算法进行了研究,并在此基础上提出了混合空间增强算法和高频强调滤波增强算法这两种改进算法。2)深入研究了直方图均衡增强算法和多尺度技术的理论思想,充分理解两大方法各自的优点与不足,从理论到实践,将多尺度理论、Mallat算法结合到具体的图像增强算法中,为本文算法的提出打下基础。3)针对医学X光图像的特点,提出基于多尺度和直方图均衡的X光图像增强算法。详细介绍了该算法的处理流程,首先对原图像进行小波变换,分别得到高频信息和低频信息,对高频部分的小波系数进行增益,同时将低频部分进行自适应直方图均衡化处理,最后将两部分的处理结果进行小波反变换,即得到最终的图像增强结果。本文将空间域中的直方图均衡技术与频率域中的小波技术相结合,在对医学图像进行对比度增强的同时,保护并增强了图像的高频边缘细节信息,使得处理后的医学X光图像能够更好地显示医生感兴趣部位的信息,为医生对于病情的诊断提供更加可靠的依据。