医学图像分割技术发展至今,其相关算法的可谓种类繁多,层出不穷,但依然无法完全满足人们的实际需求。其中包括:无法完全用数学模型来简单描述人们说面临的实际问题;图像结构性质的千差万别;导致图像退化性质迥异以及人们对分割结果预期目标互不相同等。这些都决定了难以实现一种通用的分割方法。因此,针对医学图像的特点,研究更有效的医学图像分割方法有着重要意义。本课题要实现的是对人体特殊的组织——肺CT图像分割算法的研究,主要目的是分割算法的实现。根据最新CT技术成果,应用CT对进行人体肺部功能的检查,只需将扫描条件中的电流值设置为5mA,也就是说在对人体几乎没有损害的情况下,就可以得到足够清晰的肺部CT图像。利用本文的方法能去除图像背景和位于胸腔中的大气管的干扰,正确地分割出肺实质,并保证左右两肺相互分开,最后通过小波变换的分割方法精确搜索和检测肺瘤组织。本文的方法简单、易于实现,且分割速度非常快,能对一个CT图像序列中的每一个图像分别采用阈值、基于形态学和小波变换相结合的方法,完全自动、准确地分割出图像序列中每一帧图像的肺部区域并剔除其中的病变组织。