本论文主要研究了数字胸片中的几个关键图像处理技术，包括数字胸片图像分割、去噪和增强。 对于胸片图像中肺部区域的分割，本文从经典的单阈值分割算法入手，在用自动确定类数的多阈值分割方法研究了肺部区域的灰度分布后，根据肺部区域的空间坐标位置关系，提出了基于灰度补偿的大阈值分割算法：对于胸片图像中的肋骨区域分割，充分考虑肋骨区域具有局部高亮度的特点，用高斯平滑后的图像作为阈值曲面，取得了良好的效果，进一步地，用一个等价的局部均值作为阈值曲面，提高了运算速度。 本文用小波分析的方法对数字胸片图像去噪和图像增强进行了研究。在深入分析和研究了小波模极大值重构、相位滤波器和Lipschitz指数的基础上，本文对Mallat的小波模极大值去噪方法进行了改进，用相位滤波器和Lipschitz指数选取重构的系数，重构的结果在去噪的同时保持了图像中的细节信息。 反锐化掩模是医学图像增强中使用最普遍的一种方法，本文给出其在小波域内的等价表示。根据视觉生理心理学原理，具体的增益系数由图像的背景灰度确定。同时考虑到胸片中重要的细节信息位于中间频率的特性，增益系数需要进行调整。实验结果表明，调整增益后的小波自适应增强方法能有效的增强数字胸片中的细节信息。