乳腺癌是危害人类健康的恶性疾病之一。目前,超声因对人体无放射、价格相对低廉等优势被广泛用于乳腺癌的诊断。计算机辅助的乳腺癌早期诊断能够改善原始乳腺影像的质量,辅助医生做出诊断结果,提高乳腺癌的诊断率。本文采用中值滤波与线性灰阶变换相结合的技术,对超声图像进行处理,达到了抑制超声图像噪声和增强图像的效果。本文对近年来用于乳腺癌早期诊断的超声图像分割技术进行了研究,分析了各种方法的技术要点,给出了一种基于区域生长的超声图像分割改进算法。该算法改进了种子点的选取方法,首点采用阈值化的方法粗略的对图像进行分割,然后以二值化后图像的黑色象素的重心点为中心,选取一个7×7大小的窗口,计算该窗口内所有象素灰度值的平均值,选择窗口内灰度值最接近平均值的象素点作为区域生长的种子点。以种子点附近的统计值和已生长区域特征相结合的方法确定生长阈值,综合二者特征的生长区域不仅内部空洞较少,而且边界毛刺少,较平滑,可以较为准确的提取出肿瘤边界。为了从已获取的乳腺肿瘤初始区域中进一步提取出肿瘤的最终边缘,本文给出了一种基于形态学与边界跟踪的肿瘤边缘提取方法。先运用形态学方法对初始肿瘤区域进行滤波,然后使用改进的边界跟踪算法提取肿瘤的边缘。改进的边界跟踪算法中给出了位置编码的定义,根据当前点在上一边界点的位置,确定搜索下一目标点时的起始点,因此在搜索下一目标点时不必对8邻域的点全部搜索,最多只需要搜索5次便可以找到目标点。这种方法在准确跟踪到肿瘤边缘的同时,缩短了边界跟踪的时间。