医学图像在成像过程中由于成像仪器、外界干扰等因素经常伴有大量种类的噪声,使图像变得模糊。模糊的医学图像会对医生诊断病情造成影响。医学图像的去噪声处理,是医生获取图像信息的必要保证,是对图像进行分割、轮廓提取、可视化等进一步操作的基础。因此对医学图像处理时首先要对图像进行去噪声处理。图像分割、轮廓提取对于运动物体的跟踪、模型的三维重建、图像信息的识别等各个方面都有非常广泛的应用。在医学图像处理中,图像分割非常重要,一直受到人们的关注。医学图像分割是对人体组织进行3D重建等后续操作的基础,对患者的病情诊断和身体组织的三维重建及手术进程的规划等都有着极其重要的作用。本论文主要研究医学图像去噪与分割的相关方法。在图像去噪方面,我们详细介绍了图像滤波相关基础知识,包括噪声的数学模型、几种典型的噪声模型、检测噪声机制以及几种医学图像处理中常用的滤波方法等。其中我们详细研究了自适应中值滤波方法,并分析了其优缺点,针对其缺点,我们提出了改进方法。通过实验验证,本文的方法不仅可以有效地滤除噪声,而且可以有效地保护图像的细节信息。在图像分割方面,我们首先详细介绍了几种图像分割中常用的边缘检测算子,之后介绍了Snake模型、GVF Snake模型以及GNBGVF模型。并针对GNBGVF模型的缺点与不足进行改进,在其基础上添加了一个自适应外部力,提出了FGNBGVF模型,该模型可以更好的解决深度凹陷问题。最后我们将所提出的去噪与分割方法应用于左心室MR图像分割过程中,提出一种左心室内外膜分割算法。经实验证明,该算法能高效、精确地分割出左心室内外膜。