膝骨关节炎是一种在中老年群体中颇为常见的退行性关节病。其临床诊断主要以观察膝关节的各种医学成像为主,通过医学成像分析各项指标,并且结合患者病情陈述给出诊断意见。常见的膝关节医学成像方式有X射线成像、核磁共振成像、CT成像、超声成像。其中X射线成像是在临床上使用最广泛的一种膝关节成像方式,本文的主要目的是研究一套完整的算法能够自动从X线片图像中获取膝骨关节炎的多项诊断指标,从而完成对膝骨关节炎的自动诊断。本文使用的图像集中的X线片图像均以DICOM格式存储,所以首先需要将DICOM图像格式转换为普通计算机能够识别的图像格式,本文选择将DICOM格式转换为BMP图像格式,并且提取DICOM文件中图像类与非图像类的重要信息。完成图像转换后,本文通过对图像灰度分布的分析基于灰度投影完成了左右腿成像的分割。然后基于灰度投影算法和松弛原则进行了膝关节兴趣区域的纵向分割,之后基于一种自适应二值化算法完成了膝关节兴趣区域的横向分割,锁定了膝关节兴趣区域。获得膝关节的兴趣区域后,本文在研究膝关节硬骨边缘的提取算法上,首先基于改进的梯度算子分析了传统边缘检测算法在本课题中的应用效果,然后结合本文图像特性基于主动形状模型算法完成了膝关节硬骨轮廓边缘的提取。最后本文根据硬骨轮廓边缘的提取结果,实现了多项膝关节炎指标的自动诊断,并与图像集给出的结果进行比对,证明了整套算法有很好的适应性和准确性。