心血管疾病已成为当前威胁人类生命的重要疾病。如何快速准确地诊断心血管疾病成为治疗的关键。由于心血管系统的复杂性,有效的心血管图像处理技术已成为诊断心血管疾病的重要手段。由于医学影像蕴含大量信息,既包含有用信息,又包含大量的无关信息,因此进行有用信息提取和分析十分必要。目前,大部分图像信息提取过程依赖于人工操作。如CT血管造影(CTA)和磁共振血管造影(MRA)获得的大量数据,人工处理的速度很慢。因此需要开发自动或半自动的图像处理工具,减少人机交互的工作量,提高疾病诊断率。现有的心血管影像处理方法精确度、稳健性难以满足实际需求,算法的收敛准则和血管分叉识别问题较难处理,在处理大批量数据时处理速度较慢,难以满足临床需要。本文对CT心血管图像的预处理、分割和可视化等算法进行研究。首先,阐述心血管图像预处理、分割以及可视化研究的背景和意义,分析心血管图像预处理、分割以及可视化算法,指出相关算法的研究现状及存在的问题。然后,实现图像预处理、图像分割及三维可视化算法,通过流程图对算法设计和实现步骤进行说明,分析算法准确性及临床适用性。本文对随机点霍夫变换(Randomized Point Hough Transform, RPHT)进行改进,结合自适应采样及容错性操作,减少了RPHT算法的内存占用及计算时间。改进的RPHT算法能够准确、快速地从心血管CT图像中检测出目标血管轮廓,较原始RPHT算法的准确度更高。同时,提高了算法敏感度及特异度,有效地降低了假阳性率及假阴性率。改进算法能较好地提高血管检测效果,满足临床血管预分割的需求。自适应区域生长算法根据种子点周围的图像灰度分布情况动态修改生长阈值,有效提高区域生长对不同图像格式的适应性,更准确地分割图像。通过图像分割、三维可视化等方法重建心血管三维图像,进一步验证了预处理、分割和三维可视化算法的精确度、稳健性和实时性。最后,在windows7平台下利用VC2010进行算法开发,设计心血管图像处理软件,并以此作为今后工作的基础,方便进一步的算法研究。