乳腺癌的早期诊断和治疗是能够降低乳腺癌患者死亡率的有效途径。通过乳腺X线图像观察乳腺状况是目前乳腺癌普查的首选影像方法。随着图像处理技术的高速发展，计算机辅助检测技术在乳腺癌的检测方面起到越来越重要的作用。本文主要介绍了作者在进行乳腺肿块的计算机辅助诊断系统设计时的研究成果，主要包括图像预处理，感兴趣区域的提取以及肿块边缘检测这三部分内容。本文首先利用图像处理领域的形态学处理、区域增长等相关知识，对乳腺X线图像进行预处理操作。之后提出一种对图像的灰度直方图进行小波变换，并根据小波变换的模极大值点确定图像分割阈值的方法，该方法可对乳腺X线图像中的疑似肿块区域进行粗分割。在通过粗分割过程获得乳腺肿块的大致位置信息之后，再利用区域增长算法和基于局部活动轮廓模型算法获得肿块的边缘信息。本文选取MIAS乳腺图像数据库中的65幅图像作为测试图像，保证每幅图像至少包含一个乳腺肿块。利用本文所提方法对这65幅图像进行实验，并将实验结果与该数据库中的专家标注信息作对比，实验结果为当采用Daubechies小波时，检出率为95.5%，平均每幅假阳性率为0.84。本文所述方法能够有效地分割出乳腺X线图中的肿块区域，具有较高的检出率，有进一步研究和应用的价值。