第1章是绪论，简介了课题的研究背景及意义，分析国内外医学图像处理的研究现状及特点，指出了本文主要研究的内容。

第2章综合介绍医学切片图像的预处理及分割算法，针对当前的主流分割算法进行了分析、归纳和总结，比较了各类方法的优缺点。

第3章针对头部切片图像的特点，利用MATLAB实现各种图像预处理和边缘提取的分割算法，给出相应算法的算法实现过程和流程图。并且从显示的效果综合比较分析各种方法的优劣。

第4章在第3章的基础上结合本论文的主要研究内容，确定一种最佳的分割算法把它应用到后面的数据提取中去。研究了678张头部切片图的边缘数据提取的方案。

第5章为了验证本文中算法的优劣，把在第四章提取出的三维数据集在Imageware中由从点到线再到面的过程进行三维重构。根据重构效果，对本论文中的算法进行综合分析。

最后对全文作总结，指出本文取得的成果及存在的问题，并对将来进一步的研究工作进行展望。

......

第三章结合头部切片图用图像处理软件Matlab对其进行切片图的预处理和图像分割算法的分析。对各种预处理方法进行实验比较；另外虽然适合医学切片图的分割算法很多，但是大多算法都比较复杂，所以经比较分析确定了用阈值分割的方法来实现图像的分割，提出了几种阈值分割的算法，对它们分别进行分析比较，并给出相应算法的程序实现流程图与实验效果。

本论文的任务最终是为了验证上述图像分割的算法是否适用于该头部切片图的处理，所以把它重构还原成三维形式，只有这样才能观察出算法的优劣。我们应用逆向工程应用软件Imageware完成，该软件可以接受多种格式的三维坐标的点阵数据，将要处理的数据在Imageware surfacer中经过点-曲线-曲面原则，形成三维图像，这样便于观察效果后进行算法的分析。

......

由上面的重构图像可以看出在三维的头部图像含有少量的噪声，虽然可以清晰的看到头部轮廓，但由于在进行切片边缘轮廓坐标数据采集的时候漏掉了部分的有效信息，这导致重构图像不够光滑和完整。

综合分析可知本文用的分割算法可以很明显的把图像的边缘提取出来，因此导致图像重构效果不佳的主要原因不是出在图像的预处理和分割算法这一块，又经参阅大量相关的资料发现其问题的关键就出在对分割后图像的后续处理，即边缘数据的提取。在本文中是直接应用八领域的方法对前面分割出来的图像进行边缘的正反扫描，在这扫描的过程中会漏掉大量的信息点，特别是图像的顶部轮廓线有些是平行于X轴的，这样在扫描的过程中只能提取到两个信息数据，位于在两个信息点中间的有用信息就丢失掉了，还有可能把有些噪声点扫描进去，而漏掉了实际有用的信息；另外从重构的三维图还可以看出表面不够光滑，这是因为没有对切片图的轮廓进行边缘连接和曲线的拟合。经分析显然在本文所用的重构方法就复杂的医学图像而言是太过粗糙了，于是可以用如下的方法来对此加以改进：

1.在边缘检测后对边缘进行连接处理。基本思想是用样条插值的方法对边缘连接，这种方法能使曲线连续，同时又能保持原图轮廓的特征[16]。

2.在保证拟合精度的情况下，希望精简数据点，以减少存储空间和提高程序的效率。因此可以采用12阶傅立叶级数对边缘轮廓曲线进行拟合[17]。经过如上的处理后，再在横向扫描的基础上加一项纵向的扫描来提取数据，这样的数据用来重构切片图便可以使得三维的头部图像完整和光滑，达到较好的效果。

3.以上的两点是在本论文的基础上加以改进的，同时它也是一种全自动的图像处理算法。就目前的技术领域而言，全自动的方法还不能达到预期的处理效果，如果想达到的更好的处理效果可以用下面的一种半自动的处理思维方式。根据人体器官性形状缓慢变化的特点，模仿基于关键帧的计算机动画技术[18]，对于待分割的头部切片图，将其数据包含该物体的起始层、终止层、形状变化较大的中间层......