医学图像处理在计算机视觉领域的飞速发展，使得计算机辅助诊断成为研究热点，X光胸片是医生常用于诊断肺部、骨骼、心脏等部位疾病的重要依据。在成像的过程中，由于人体组织结构的复杂性、X射线散射、设备自身噪声等因素的影响，导致图像质量下降，因此应当对图像进行处理，为医生提供可靠的诊断数据打下基础，包括：增强处理以改善图像质量、分割处理以突出感兴趣区域、肺结节识别研究以检查病灶。本文首先阐述了医学图像增强的基本方法，包括对比度增强和边缘检测增强，并进行简要说明。对基于模糊集合理论的图像增强方法进行研究，在前人工作的基础上，给出了一种基于模糊自适应算法的胸片图像增强方法。即使用可检测边缘度与噪声标准差之商作为图像增强质量的评估标准，自动选择模糊参数，实现广义模糊增强图像的自动优化。然后阐述了基于模糊理论的胸片图像分割方法，包括经典的K-均值聚类算法、C-均值聚类算法，以及基于这两种方法的改进方法，并分析他们的优缺点，给出了分割出的肺部轮廓图像。最后，本文将模糊模式识别应用于肺结节检测识别当中，根据提取的良恶性肺结节的特征，应用最大隶属度原则对待识别的肺结节的良恶性进行研究，并给出了具体的构架和流程，实验证明用该算法能实现较好地得到识别效果。