受到传统采集设备的限制,癌症病理分析的效率无法满足当下逐渐增长的就诊需求。随着计算机视觉的深入研究与数字化技术的快速发展,利用数字图像处理技术进一步优化处理采集到的病理切片图像,对解决当下的问题有重大实际意义。与此同时,国内外对病理切片图像处理的研究尚处于未成熟状态。结合当下癌症诊断需求的矛盾和病理切片图像处理的研究现状,本文对病理切片图像的相关处理进行了研究。本文采用科学合理的采集方法完成了病理切片图像的采集工作,并以获得的原始图像为实验素材,进行了图像去噪和图像拼接的有关研究。研究的具体内容如下:在去噪阶段,本课题介绍了图像中噪声的主要来源和类型,以及目前常用的去噪算法。详细分析了高斯滤波和小波阈值去噪法的去噪原理,并分析出两种传统算法对病理切片图像去噪处理的不足之处,由此本文基于传统小波去噪原理提出了一种改进算法。本课题依据大量文献里总结的阈值函数构造方法提出了一种新的阈值函数,并通过数学推导来证明新函数弥补了传统小波软、硬阈值函数的缺陷。最后进行Matlab仿真实验加以佐证本文改进阈值函数去噪性能的优越性。特征匹配阶段,本课题以基于尺度空间的SIFT特征匹配算法为研究重点。首先详细分析了SIFT算法特征匹配的基本原理和关键步骤,然后通过研究二维图像熵与特征点的关系,提出了改进匹配算法。改进匹配算法剔除了图像中不稳定的SIFT特征点和熵值差过大的匹配对,保留了稳定性较强、精度较高的匹配对,可实现加速匹配的效果。最后由仿真实验的结果证明,本文改进匹配算法既保证了特征匹配的鲁棒性,又提升了特征匹配的速度。特征匹配完成后,根据采集到的病理切片图像的特征选取合适的空间变换模型进行待拼接图像的对齐。最后结合平均融合法和渐入渐出融合法以消除拼接图像中的拼痕,完成病理切片图像的无缝拼接。