近20多年来，医学影像已成为医学中发展最快的领域之一，被广泛应用于诊断和治疗，使临床医生对人体内部病变部位的观察更直接、更清晰，确诊率更高，也成为了必不可少的手段和工具。而医学图像的分析和处理是医学影像技术极为重要的一个环节，特别是图像处理技术中所涉及的图像去噪和图像边缘检测技术已成为当前研究的热点。但由于当前医学图像的处理层次较浅，对信号的利用率还不够充分，有关疾病的诊断主要还是靠临床经验丰富的医生用肉眼观察医学图像，并经活检确诊。运用一些图像处理技术能有效地对现有医学图像进行深层次处理，如去噪、增强、融合以及边缘提取等，从而提高对医学图像信息的利用率，有助于实现对病变特征信息的提取，并提高诊断准确率。本文首先介绍了医学图像处理技术的发展现状、研究范围和方法，然后针对医学图像中CT图像的特点及CT图像的成像基本原理，对脑部CT图像进行了去噪处理和边缘检测。在对脑部CT图像的去噪处理过程中，本文针对生物医学信号是典型的非平稳信号，具有很强的背景噪声，处理起来较困难的特点，引入了一种基于EMD方法的脑部CT图像去噪方法，它可以有效地去除噪声的干扰，充分保留信号的局部特征。在对脑部CT图像进行边缘检测过程中针对脑部CT图像中的病灶大多是模糊的图像信息，呈现弱边缘特性的特点，结合小波和快速模糊算法的优点进行了边缘检测。因为基于小波和快速模糊边缘检测算法不仅利用了小波分析的多分辨特性，在高频与低频上分别提取了图像边缘，而且快速模糊边缘检测算法改进了经典的Pal和King的模糊边缘检测算法，采用简单的隶属度函数，快速完成了图像到隶属度矩阵的转换和隶属度矩阵到图像的逆转换，所以小波分解后的低频信号中所包含的有用信息得到利用，简化了算法并提高了算法的效率，增强了算法的适应性。最后通过实验结果表明本文提出的算法与其他方法比，去噪效果较明显，可检测出的较为准确和清晰的边缘图像。