第二章，对于肾脏CT图像在分割前进行预处理，给出了图像的去噪、配准以及融合的算法，同时也相应地进行了数值实验，以验证算法的有效性；
第三章，对肾脏CT图像进行分割与提取，这里比较了多种算法并进行了相应地数值实验，最终提出一种改进的几何活动轮廓模型，数值实验的结果表明该算法是有效的；
第四章，本文工作总结及未来工作展望。
需要特别说明的是，本文中所做的数值实验，若无特别说明，均是在配置为Intel双核 2.00GHz 处理器，2.00GB内存，ATI 512M显卡，Windows XP操作系统的笔记本电脑上进行的，实验环境为MATLAB 7.1。
2  肾脏CT图像的预处理
图像的预处理（包括去噪、配准与融合）是进行图像三文重建的前期步骤，这部分的工作如果不能得出比较好的结果，将直接影响后面图像分割的质量与精准度。本章将较详细地阐述肾脏CT图像的预处理问题。
2.1  肾脏CT图像的去噪
由于在成像时X射线光子的统计波动，加上机器本身的电子噪声和系统噪声等其他外界因素的影响，CT图像不可避免地会产生噪声。而噪声是影响CT图像质量的重要因素，它直接影响CT图像的密度分辨率和空间分辨率，当病变组织与正常组织的衰减系数相差较小时，高噪声的CT图像中很可能无法分辨出此病灶。这又会给准确地诊断病情带来影响。所以，CT图像的去噪是重要的、必不可少的。
2.1.1  几种CT图像的去噪方法简介
高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。它对去除服从正态分布的噪声很有效，也是最常用的低通滤波器，但它对高频噪声的处理效果并不理想。
均值滤波器的原理是对信号进行局部平均, 以平均值来代表该像素点的灰度值，不过该方法无法消除噪声，只是减弱噪声。
中值滤波器是常用的非线性滤波方法 ,也是图像处理技术中最常用的预处理技术。它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘，但对方向性很强的图像（比如指纹图像）进行滤波处理时 ,有必要引入方向信息（即利用指纹方向图）来指导中值滤波的进行。
数学形态开闭滤波器的原理是先利用开运算腐蚀和消除比结构元素小的噪声，再利用闭运算填充比结构元素（可与之前的结构元素不同）小的“孔洞”，不过在这种方法中，对于结构元素的设计是难点。
文献[25]中提出了一种自适应的中值滤波方法。自适应中值滤波器的滤波方式和传统的中值滤波器一样,都使用一个矩形区域的窗口Sxy ,不同的是在滤波过程中,自适应滤波器会根据一定的设定条件改变,即增加滤窗的大小,同时当判断滤窗中心的像素是噪声时,该值用中值代替,否则不改变其当前像素值,这样用滤波器的输出来替代像素(x,y) 处(即目前滤窗中心的坐标)的值。
2.1.2  几种CT图像的去噪方法的比较
对于之前介绍过的几种去噪方法，为了得出它们各自的优缺点，进行了如下的数值实验。
下面的图1为大小为420×342原图像及添加了不同程度（噪声程度分别为0.05，0.1，0.2）的椒盐噪声之后的图像。
    
图1. 原图像及添加了不同程度椒盐噪声的图像
在分别使用Gauss滤波器、均值滤波器、数学形态滤波器、自适应中值滤波器对上面的图像进行滤波后，得到对应的滤波图像如下（第一幅均为原图像）：
   
图2. 原图像及均值滤波后的图像      
图3. 原图像及Gauss滤波后的图像    
图4. 原图像及数学形态滤波后的图像     医学肾脏CT图像三维重建的方法和算法研究(5):http://www.youerw.com/yixue/lunwen_6473.html