医学图像处理与三维重建是当今计算机视觉领域的一个研究热点,其中涉及到包括计算机图形学、数字图像处理、生物医学工程等多种技术。医学图像在现代医疗诊断、手术规划、模拟仿真、整形及假肢外科、解剖教学等方面都有重要的应用。将医学图像融合先进的技术,能够获得更加可靠详实的信息。医学图像分割是可视化研究中一个非常重要的部分,更是计算机可视化中研究的热点问题,同时又是一个学术难题。性能良好的医学分割算法为三维重建提供了先决条件,直接影响到三维重建模型的精确性。医学图像获取传输过程中往往会受外界因素的影响,使图片的质量下降。图像分割前的预处理能够改善图像的质量。常用的手段有图像滤波、图像校正、图像配准和融合等等。本文针对二维图像在中值滤波、均值滤波和Lee滤波的比较基础上,将自适应窗方法运用于医学图像滤波,通过中心像素周围点的统计特性来改变窗的大小,以此确定用来估计中心像素的邻域,以同时满足保留细节和比较好的噪声抑制能力,达到了自适应的保边缘滤波效果。预处理后的图像为图像分割创造了良好的条件。本文医学图像分割算法分为基于边缘的和基于区域的,较为详细的介绍了其中的经典算法—区域增长法,其中基于区域的种子点增长算法的分割结果,受到了种子点和增长的准则的严重影响。本文提出了一种支持向量机的医学图像分割算法,利用该算法分割后,可能存在同一目标被分成相邻的多个分割块,对这些分割块进行融合,根据模式识别理论可知,如果一组训练样本能够被一个最优分类面分开,则对于测试样本分类错误率的期望的上界是训练样本中平均的支持向量占总训练样本数的比例。减小了主观因素的影响,使得分割结果具有唯一性。三维重建算法中面绘制和体绘制各有所长,通过试验比较不同算法的性能和适用条件,在系统的研发过程中,针对不同的需求采用不同的算法。在医学图像预处理、医学图像分割以及三维重建算法研究的基础上,开发出一套跨平台的医学图像处理与三维重建系统。