乳腺癌仅次于肺癌,成为威胁妇女健康的第二大全球性疾病,早期诊断和早期治疗是降低乳腺癌患者死亡率的关键。微钙化点在乳腺X线影像上表现为独立或成簇分布的亮点,它们是乳腺癌早期症状的重要标志。由于乳腺钙化点自身的特点,比如,微小和背景的对比度不高、形状不规则、分布不均等等,从而使精确检测出钙化点非常困难,更难获取钙化点的形状和分布信息,而这些信息对于诊断非常重要。微钙化点检测的第二个难点是图片尺寸大(本文的样本图片为2294像素×1194像素),如果检测算法的复杂度稍大,则检测的时间效率将急剧下降。本文提出一种寻找ROI和精确定位微钙化点的新方法:先利用灰度分布特征去掉图像中的黑色背景;然后使用多尺度多级组合分类器去除乳腺组织中容易辨识的不含微钙化点区域;最后针对图像中剩下的难分辨的区域,采用数学形态学方法进行图像增强和重建,从而得到可疑钙化点区域,接着使用高斯-拉普拉斯算子对这些可疑钙化点进行进一步的确认。该方法具有以下优点:1、应用了由简到繁的级联式算法设计思想来提高时间效率,在MFC框架下的实验表明每张图片的平均检测用时仅为0.827秒;2、使用了数学形态学测地膨胀方法重建钙化点,从而能够准确地获取微钙化点的形态和分布;3、对于可疑的极少区域使用高斯-拉普拉斯滤波进行确认,使该方法具有很高的检测准确度,钙化点检出率达94.54%,假阳性率仅为2.12%。本文还介绍了在MFC框架下乳腺图片微钙化点检测原型系统的实现。该系统提供了部分的实用性乳腺癌诊断的辅助功能,如图像的调窗处理、增强显示和图像的测距等等。针对实际中病变图片仅占所有图片的0.5%,而正常图片占绝大部分的特点,本文所设计的系统能在寻找可疑图片ROI的同时,实现对正常图片的筛查。实验表明所设计的算法对于正常图片的排除率达62.86%,从而可大幅度地减轻医生的工作量,为实现大规模的乳腺癌普查提供了一个有效工具。