在现代的外科手术中,很多时候都需要对CT图像中手术的目标器官或组织进行精准的定位和分割,从而保证手术在尽可能少的伤害病人其他组织的情况下顺利完成。而在这当中,骨的分割既是重点也是难点。原来对CT图像的分割工作,都需要医生手动完成,这无疑是巨大的工作量。本课题的主要研究内容就是基于三维CT图像的骨表面检测算法,旨在用计算机来帮助医生对CT图像中的骨进行分割,在保证精度的同时将医生从如此繁重的工作中解脱出来。本文提出了一种基于区域和基于表面相结合的分割方法,首先通过阈值以及统计学的相关方法来获取一个初始区域,进而获得初始表面;然后计算初始表面体素的法线方向;最后,以初始表面体素为中心,沿着法线方向,建立一维信号,进行表面检测,校正初始表面,从而获得最终的骨分割结果。为了得到只包含目标骨的初始表面,本文首先采用最优阈值法对CT图像进行初步分割。然后在三维中利用填充的方法将体素分为骨体素集和非骨体素集。在这之后,本文利用形态学的方法排除掉了骨体素中的非目标骨,只留下目标骨体素。但是,形态学的方法可能会对分割结果的精度造成损失。为保证初始表面精度,本文通过贝叶斯决策论来校准分割结果,自适应地为各个小区域选择阈值来划分骨体素与非骨体素,最终获得初始表面。之后,为了保证法线方向计算的精度,本文提出了一种三维图像中的法线方向的预估-校正方法:先利用一阶导数的方式预估出法线方向,再根据骨表面的几何特性,通过一种基于表面跟踪的方法来对预估出的法线方向进行校正,从而获得一个更精确的法线方向结果。最后,利用获得的法线方向,建立一维信号,进行表面检测,校准初始表面。此外,在本文整个算法的过程中涉及到多个需要手动赋值的参数,为了保证算法的自动化过程以及准确度,本文还提出了这些参数的最优值自动选择方法。最后,本文给出了算法在临床三维髋关节CT图像上的实验结果,包括量化评价结果和图像结果样例,都以专家手动分割结果为黄金标准,并与现有的几种先进方法进行了对比与分析。实验结果表明,本文算法在临床三维髋关节CT图像中表现较为理想,生成了完整且较精确的骨表面,优于其他几种方法。