本课题就医学图像处理领域中的医疗图像三维重建问题做了较为系统的分析探讨,并对其中几个热点问题进行了深入的研究.传统的医学图像滤波方法,在滤除图像噪声的同时,往往会使图像的边缘和细节受到损害.本文提出了一种基于模糊理论的平滑滤波算法,该算法既能有效地滤除图像中的噪声,又能很好地保持图像的边缘及细节,并且处理速度快.由于人体相邻组织对光、电、磁等的反射、透射或吸收作用的差别有时不太明显,这就使得医疗成像设备生成的灰度图像对比度较小,从而影响图像的视觉效果.常规直方图均衡算法在一定程度上解决了这一问题,然而经常规直方图均衡处理过的图像在高灰度区会出现过亮现象.本文提出一种适合医学图像处理的不完全直方图均衡算法,很好地克服了常规直方图均衡算法的不足.在图像的边缘检测和轮廓提取算法中,先对图像进行二值化,再利用梯度算子提取边缘及轮廓是一种常用的算法.本文发展了这一算法,提出了一种基于灰度直方图的多阈值分段单值化,然后再利用梯度算子进行提取图像边缘及轮廓的算法,取得了很好的效果.提出了一种基于模糊理论的图像分割方法,使用本文提出的分割方法可以从原始图像中提取感兴趣的某特定组织的较为完整的图像.Marching Cube算法是一种基于体素的表面重建算法,但由于立方体表面二义性的存在,表面重建时会造成错误的连接或是出现层间空洞.为此本文提出了一种基于双立方体体素的表面重建算法-Double Marching Cube算法,该算法很好地克服了Marching Cube算法的不足之处.本文提出来的算法均以VC++为编程工具,在PC机上得以实现.