医学图像在形成、传输或变换过程中,由于受多种因素的影响,经常会使图像模糊不清,从而影响了医学图像在临床诊疗过程中的应用.医学图像增强是医学影像处理研究的一个重要课题,它的目的就是提高图像的可懂度,使图像更适合人眼观察和机器识别.CT图像是现代医学最常用的医学图像之一,恰当地对CT图像进行增强处理,将对临床诊疗起到巨大的推动作用.该文首先深入研究传统的图像增强技术、小波变换理论、粗糙集理论在CT图像增强处理中的应用,并分析这些方法的特点,对它们的优缺点进行全面的比较,然后该文提出一种新的CT图像增强算法.图像处理研究总是把消除噪声当作首要目标,噪声的存在会直接影响图像增强的效果.该文首先利用边缘检测对CT图像进行小波阈值去噪,这种方法既可以保留CT图像中最有价值的高频部分,同时又可以有效地去除噪声.在此基础之上引入粗糙集理论,粗糙集理论是一种处理含糊和不确定问题的工具,是一种非线性处理方法,粗糙集理论可以有效地对边缘部分进行子图划分.对划分后的子图中"平缓"部分进行直方图均衡变换,从而达到对比度增强的目的;对"陡峭"的子图进行指数变换增强处理,以突出纹理部分.变换后的小波系数合并、重建便得到增强后的CT图像.该文基于边缘检测进行小波阈值去噪,在此基础之上引入粗糙集理论划分子图并分别进行增强处理,再进行对比度增强.该算法把边缘检测与粗糙集理论结合起来增强图像,实践证明具有良好的图像增强效果.该文最后探讨了进一步的研究目标和方向.