在胃部疾病的诊断中，胃镜技术得到了广泛的应用。然而在胃镜检测的过程中会产生大量的医学图像，仅靠肉眼从大量胃镜图像识别出病变部位是一项非常耗时费力的工作，因此研究一种基于胃镜图像的病灶检测方法十分必要。本文基于两种不同的理论，设计并实现了两种基于胃镜图像的计算机辅助病灶检测方法。本课题设计并实现了基于超像素分割的胃镜图像病灶检测方法，本方法在图像预处理阶段采用基于超像素思想的图像分割算法，克服了胃镜图像轮廓不清晰和噪声严重的缺点，实现了胃镜图像快速而精准的分割。分割后的区域大小均匀且包含像素单一，为特征提取和分类器的精准识别奠定基础。此方法虽然提升了单个区域识别的正确率，但并未考虑相邻待检测区域之间的关联性，因此本课题将马尔可夫随机场理论应用于胃镜图像中病灶区域的检测。本方法以分类器对区域的识别结果为基础，并采用马尔可夫随机场理论对其进行校正，充分考虑了一幅图像内待检测区域之间的关联性，使得每个区域的检测过程不再彼此独立。马尔可夫随机场理论的应用，使各区域之间的检测过程偶合性更强，从而提高检测结果的准确性。在病灶检测的正确率方面，基于超像素分割的病灶检测方法的受试者工作特征曲线下面积可达到0.91588，在最优阈值情况下，其灵敏度为91.88%，特异性为80.36%。基于马尔可夫随机场的病灶检测方法其灵敏度可达到93.15%，特异性达到78.52%。从实验中可以看出，无论是在检测前期对图像进行合理地分割，还是在检测后期对相邻区域之间的作用关系加以分析，相比于现有的检测方法，在检测的正确率上都有较大的提升幅度。