胸腔曾被喻为人体健康和疾病的镜子，因为它包含多种组织，提供了人体多方面的信息，因此X光胸片有重要的医学应用价值。然而X光胸片在图像质量上存在着很大的缺陷，如图像分辨率低、组织重叠干扰严重等等，使得X光胸片中几乎任何一种组织都没有明确的边界，所以利用计算机进行辅助诊断的技术成为了热切需求的工具。本文以计算机辅助诊断的临床应用为背景，研究了关于X光胸片的几个关键图像处理和分析技术。主要包括肺部分割、肋骨分割和肺结节自动检测。具体内容如下：对肺部分割进行了比较全面的总结。实现了已有典型的肺部分割方法，包括基于规则的边界检测法、几何模型匹配法和Snake模型法。在充分分析了现有肺部分割方法不足的基础上，本文提出了一种综合的区域分割方法。该方法采用一种由粗到精的策略，首先根据柔性形态学腐蚀算子对图像暗区的扩张作用，利用它对图像作一次顺序滤波，获得很高的分割灵敏度；然后在目标区域采用一种聚类技术，得到精细的分割片段；最后，利用知识规则筛选和重组区域并得到最后的结果。通过对比其它典型方法，该分割方法的灵敏度和精确度均很高。为了更好地提取肺轮廓，本文在深入研究主动形状模型(Active Shape Model，ASM)分割算法的基础上实现了肺轮廓的提取。通过分析经典ASM和多分辨率ASM的缺陷，本文对经典ASM方法做了一点改进，即在ASM训练的同时选取采样轮廓填充后的图像作为期望输出训练神经网络，将ASM的局部表面模型建立在网络输出上，然后再建立ASM统计模型，应用过程中原始图像要先经过网络处理，然后再进行局部纹理匹配。与其它方法相比，该方法在分割灵敏度、精确度和计算速度方面均获得了最优。深入研究了肋骨分割问题。实现了已有肋骨分割方法。包括K-均值聚类算法、高斯曲面阈值法、迭代上下文像素分类法和Hough变换法。本文对Hough变换肋骨分割方法加以改进，将Hough变换应用于形态学细化后的图像，对每根肋骨采用一条线来表达，再通过形态学膨胀来近似得到肋骨区域，从而避免了直接应用Hough变换在判断肋骨上下边缘上存在的困难。实验仿真结果表明该方法精确度高，结果更容易利用。研究了有关肺结节检测的相关算法，并给出了一个参考肋骨信息的肺结节检测系统，该系统的特点是将候选图像根据中心是否有肋骨穿过而区别对待，改进了以往只进行一次复杂分类的做法，简化了网络训练的复杂度。通过实验仿真，该系统比已有其它系统的假阳性数量稍低。