本文的主要工作是关于医学图像三维可视化中医学图像分割技术的研究及图像三维重建的实现。医学图像三维可视化的目的就是利用断层图像信息在计算机上将二维的图像进行三维重建及立体显示,并对医学图像数据进行各种处理。医学图像分割,即把医学图像分割为若干个区域,提取出感兴趣的组织器官区域,这是医学图像处理中的一个必不可少的步骤,分割的准确性对于医学图像的后继处理和医生判断疾病的真实情况至关重要。医学图像分割是图像分割领域的一个经典问题,由于医学图像的复杂性,到目前为止还不存在一个通用的分割方法。本文在对原有方法特别是近几年来比较常用的图像分割方法进行深入研究的基础上,提出了结合蚁群聚类算法的模糊C均值聚类分割算法和改进的基于动态轮廓模型的核磁共振序列图像分割算法。首先,利用蚁群算法全局性和鲁棒性的优点,得到图像的聚类中心和聚类个数,再将其作为模糊C均值聚类的初始聚类中心和聚类个数,弥补了传统模糊C均值聚类分割算法易陷入局部最优和聚类个数难以确定的缺点。在此基础上,针对原始动态轮廓模型存在的对初始轮廓线较敏感的问题,建立了初始轮廓预测模型,即应用分割后图像的轮廓来预测未分割图像的轮廓。然后又针对原始动态轮廓模型能量最小化过程中易收敛到局部最优的缺点,定义了一种新的能量函数,该能量函数中既包含了图像区域信息,又包含了图像边缘信息,使模型能更好地收敛到目标区域的真正边缘。实验结果表明,上述两种改进的分割方法均取得了较好的效果。三维图像重建技术就是从物体的二维序列图像中获取三维的结构信息,为用户提供具有真实感的三维图形,即恢复物体的原型,便于用户从多角度、多层次进行观察和分析,极大的提高了医疗诊断的准确性和科学性,它在辅助医生临床诊断等方面将会产生非常重要的作用。本文首先对医学图像三维重建技术进行了较为深入的分析和研究,比较了各种方法的优缺点,并在MATLAB环境下分别采用表面绘制和体绘制的方法对医学图像进行了三维重建的实现。最后,对本文研究工作进行了较为深入的总结,并对在该论文基础上拟进行的改进工作提出了具体的建议。