近年来,肝脏疾病逐渐发展成为影响我国国民身体健康的一个隐患。据统计,我国每年因肝脏疾病去世人数达三十余万,为无数家庭带来了难以估量的灾难。随着医学影像技术的发展,计算机断层扫描（Computed Tomography,CT）成像技术因其检查方便迅速的特点,被广泛应用于肝脏疾病的诊断中。肝脏CT图像是医生检查病人的重要媒介,如何快速从腹部CT图像中分离出肝脏CT图像,对患者疾病的临床诊断和开展相关研究具有极其重要的意义。因此提出一种高效的CT图像去噪和分割的算法是十分必要的。本文首先研究了CT图像去噪的相关技术,包括基于空间域和基于频率域的图像去噪算法。针对CT图像的噪声主要为加性噪声与乘法随机噪声,通常选取研究非局部均值（Non-Local Means,NLM）滤波,但该滤波器在计算相似度权重时仅考虑了图像空间域信息,使用欧式距离对块相似度进行计算,同时算法复杂度较高。对于NLM滤波存在的问题,本文增加像素域信息对相似度计算进行改进,在计算过程中使用积分图思想对算法加速。之后研究了肝脏CT图像分割问题,根据医学图像的模糊性特点选取模糊C均值（Fuzzy-C Means,FCM）算法进行研究,发现FCM算法在聚类过程中仅考虑图像灰度信息且需要预设初始参数,导致算法对分割图像的边缘细节处理较差,针对该问题,提出根据图像信息自适应获取初始参数,加入空间信息对FCM算法进行改进。同时结合区域生长法对肝脏图像进行细分割,以获取更为清晰的肝脏图像。本文包括以下两个创新点:（1）针对NLM滤波仅使用空间域信息对加权信息处理和算法复杂度高的问题,利用双边滤波的思想对NLM滤波进行改进,使NLM滤波在计算权值时可以结合像素域的信息,使用积分图处理权值计算过程,加快算法运行效率。为更好处理噪声图像,使用小波变换将噪声图像分为低频分量与高频分量,使用改进的NLM滤波对低频分量处理,使用改进的引导滤波对高频分量进行处理。最后使用小波逆变换将低频分量与高频分量融合,得到去噪图像。（2）针对FCM算法依赖初始参数与只依靠灰度信息进行分割的问题,利用LOF算法与直方图算法选取数目恰当且局部离群因子较大的点作为初始聚类中心。利用隶属度矩阵之间的联系与马尔科夫随机场的先验概率获取空间信息,对目标函数与算法流程进行改进,最后使用改进的区域生长算法获得完整的肝脏图像。实验部分采用本文所提出的算法对SLIVER07数据集中选取的肝脏CT图像进行去噪与分割。实验结果表明,本文所提出的去噪算法能有效滤除肝脏CT中的混合噪声,PSNR值与SSIM值均高于对比算法;本文所提出的分割算法在有噪与无噪图像上表现均好于对比算法,对图像边缘细节保留较好。综上所述,本文算法能高效地去除肝脏CT图像中的噪声,且能完整分割肝脏实质。