乳腺癌目前在世界上许多地区都是危害妇女健康最常见的恶性肿瘤。乳腺癌早期诊断主要是依靠乳腺X线图像来诊断,而肿块是乳腺癌的一个重要的表征,因此对乳腺X线图像肿块区域的研究分析有着极为重要的意义。但在数字乳腺X线图像中,肿块和背景的对比度比较低并且肿块的边缘比较模糊,而肿块边缘信息却是判断肿瘤是良性还是恶性的重要线索。这显然为医师对病情的正确诊断带来了很大的不便。针对乳腺X线图像肿块增强和检测的计算机辅助诊断研究,目前国内外这方面的研究成果报道还非常少。本文针对乳房肿块的特点对肿块增强、肿块分割、肿块良恶性的识别整个肿块检测系统做了研究,提出了一些新的算法,并在实验中取得了显著效果。此外根据人眼的视觉特性,提出了一种对医学图像显示进行修正的方法,可以使同一幅医学图像在不同的显示系统上得到视觉上一致的显示。肿块增强:由于周围脂肪、腺体组织厚度不均匀等原因,使得图像对比度不高,肿块区域往往难以辨别,并且边缘比较模糊。本文根据肿块通常表现为近似圆形的凸出区域这一特征,提出了一种有效的自动增强肿块区域的算法。该算法利用图像的梯度信息,对整幅图像进行处理可以自动有效的增强和检测出图像中肿块区域,而且肿块的边缘信息也可以得到很好的保持。肿块分割:图像分割是医学领域的一个非常重要的应用领域,肿块形状是判断肿瘤是良性还是恶性的重要特征。本文通过对增强后图像提取肿块区域的灰度、面积、紧缩度、对比度四个特征值,利用新的区域生长方法对整幅图像处理,可以有效的分割出图像中肿块区域,而且很好的保持了肿块的边缘信息。肿块识别:粗糙集理论是一种新的处理不确定知识的数据工具。目前已在机器学习、数据挖掘、模式识别与分类等方面得到了广泛应用。本文提出了基于粗糙集理论的肿块识别系统,该系统包括规则获取和肿块识别两部分,在这两部分中综合运用了粗糙集中的多种理论。规则的获取包括以下几个步骤:图像预处理、肿块区域分割、获取肿块特征(平均亮度、区域噪声、Law纹理能量度量等10个特征值)、建立决策表、离散化决策表、约简决策表、获取决策规则;而肿块识别是通过规则的匹配来完成的。实验表明该方法对肿块良恶性的识别具有良好的效果,识别率为85%左右。显示一致性:由于不同显示系统显示特性的不同,同一幅图像在不同显示系统的显示效果也不相同,而医学图像的显示效果对临床诊断非常重要。本文根据人眼的视觉特性,提出一个对医学图像显示进行修正的方法。通过应用本方法不仅可以提高图像的显示效果,而且可以使同一幅图像在不同的系统上得到视觉上一致的显示。我们利用VC++开发工具,结合我们研究出的方法和一些常规图像处理的方法,再添加到另外开发的乳腺X线图像数据管理系统,组成了一套乳腺X线图像的肿块辅助诊断系统。它融合图像数据管理功能和计算机辅助诊断方法于一体,具有广阔的应用前景。