医学图像普遍具有分辨率低，噪声较大的特点，另外，在MR成像和低剂量的cT重建中，伪影的存在也是危害医学图像中的一大问题。这些因素会使病灶与背景模糊难辨，从而影响医生对病灶的判断。此外，医生对图像的判断也带有‘定的模糊性。因此，利用模糊数学原理来处理医学图像是合理的。本文首先介绍了数字图像的传统增强算法，并简述了传统增强算法在医学图像处理中的不足之处。为此，本文详细阐述了相应的模糊数学的理论基础以及典型的模糊增强算法，如Pal—King算法。通过对已有的模糊增强算法进行分析，指出它们存在的问题并进行了改进。为增强医学图像的纹理及边缘信息，本文引入了广义模糊算子，提出了基于广义模糊算子非线性滤波器，针对医学图像在空域做局部对比度的增强。该方法采用离散模糊逻辑原理，在提高了医学图像的对比度的同时抑制了噪声，克服了线性反锐化掩膜技术中对噪声敏感的缺陷，并且得到令人满意的效果。将该算法与其他算法相比，明显提高了反锐化掩膜的增强效果。对不同图像处理后的结果也证明了这点。本文在分析模糊理论的基础上，提出了基于最大熵的图像增强技术。该算法利用最大熵原理自适应地确定隶属度函数中的参数，进而确定隶属度函数，将图像域映射到模糊域，并在模糊域中设计对比度增强方法，从而引入了改进的模糊去噪算法以及基于最火模糊熵的图像对比度增强算法。最后，本文利用MArLAB软件平台设计实现了本文提出的图像模糊增强算法。文章最后对模糊增强算法进行了归纳和总结，并结合本文的不足之处对将来的工作进行了展望。