医学图像处理的研究开始于七十年代后期,而真正的临床应用始于1973年,而此时正是核磁共振实现临床应用,为影像医学开辟了新的知识领域。医学图像处理,包括医学图像分割、医学图像三维重建等。医学图像分割一直就是医学图像处理界的研究热点。图像分割是正常组织和病变组织的三维可视化、图形引导手术等后继操作的基础,分割的标准性对医生判断疾病的真实情况并做出相应的诊断计划至关重要。医学图像三维重建也是目前的一个研究热点问题,是计算机图形学和图象处理在生物医学工程中的重要应用。在医学中,对人体的大脑的分割与三维重建,将为医生确定肿瘤的物理属性和治疗方案提供很好的理论依据。　　 传统的模糊C均值聚类算法(FCM)广泛应用于图像分割。但是FCM算法随机的选择初始值,容易陷入局部最优,并且未考虑空间信息,因而对噪声十分敏感。本文提出用种子填充和数学形态学的方法对MRI人脑图像进行颅骨剔除。同时文中结合核函数和FCM算法,用内核引导的距离代替欧式距离,并用像素的隶属度空间信息,提出了一种结合像素空间隶属度的核FCM人脑MR分割算法。通过实验表明,该算法具有很好的分割效果,同时对噪声具有较强的鲁棒性。　　 面绘制是医学图像三维可视化的重要手段之一,其通过对一系列的二维图像分割处理,重新还原出被检物体的三维模型,并以表面的方式显示出来,为用户提供较强真实感的三维医学图像。在面绘制中,Marching Cubes(MC)算法是基于规则体数据抽取等值面的经典算法。本文在MC算法基础上,提出等值面提取效率提高和等值面顶点向量平滑策略。在医学影像算法平台(MITK)下对分割提取的区域抽取等值面进行表面模型构建。结果显示三维模型表面特征较清晰。