随着现代科学技术的飞速发展，各个领域都面临着日益复杂的科学和技术问题，而综合利用多学科的知识是一种有效解决复杂问题的途径。基于量子力学基本概念和基本原理的图像处理方法以一种新的思路去解决传统难题，逐渐受到人们的关注。医学影像处理是图像处理领域的一个很重要的分支，本文借鉴量子力学的思想，提出三种新的或改进的量子衍生方法来实现对医学图像的预处理和分割，并用于颅骨CT图像的分割问题。　　从颅骨CT医学图像中分割出颅骨是进行三维重建、生理参数测量以及模拟手术等高级应用的基础。颅骨影像是通过螺旋CT成像的，具有清晰度高和对比度高的特点。但由于局部区域存在软组织，导致局部区域的对比度降低，使得颅骨的自动、快速、准确分割成为一个典型的传统难题。本文提出的三种量子衍生图像处理方法是:　　1.基于量子概率统计的自适应中值滤波方法。此方法在实现去噪的同时，避免了传统方法因平滑图像而导致图像模糊的问题，有效地保留了颅骨CT图像的细节信息。　　2.改进的量子衍生图像增强方法。此方法是针对性地增强颅骨CT图像中的软组织-骨骼边缘，而抑制空气-软组织边缘，有利于随后的图像分割。算法采用新设计的对比度拉伸函数，避免了旧方法中使用隔点降采样子图暴力求解阈值的低效性和不可靠性。　　3.基于最大二维信息熵的量子遗传图像分割改进方法。此方法采用一种新的旋转门策略，为不同量子位比特赋予不同的权重，确保算法的收敛性并提高算法的局部最优搜索能力。　　实验结果表明，本文方法能以约占暴力求解阈值方法0.5％的时间开销求得偏差在2个灰度值以内的最优阈值，其对应的最大二维信息熵大于事实最大二维信息熵的99.8％。因此，本文方法是合理、有效的，实现了颅骨CT医学图像的自动、快速、准确的分割，并具有较高的实用性。此外，本文方法为一般医学图像的分割提供了一种新的思路，具有一定的理论意义。