تصاویر رادیولوژی و ام آر آی (تشدید مغناطیسی) از پرکاربرد ترین تصاویر پزشکی جهت تشخیص بیماری هستند. تصویربرداری ام آر آی به عنوان یکی از قوی ترین روش های تصویربرداری تشخیصی شناخته شده است. تصویر برداری رادیولوژی سریع تر از تصویربرداری ام آر آی است و در تشخیص بیماران تروما اهمیّت ویژه ای دارد. تروما به معنی آسیبی است که بر اثر وارد شدن ضربه به بدن به وجود می آید. عدم تفکیک بافت های سخت و نرم در تصاویر پزشکی، به خصوص تصاویر رادیولوژی، چالشی بزرگ پیش روی تشخیص صحیح می باشد. این پایان نامه با هدف بهبود تصاویر پزشکی پرکاربرد (رادیولوژی و ام آر آی) انجام و از پیش پردازش به عنوان یک راهبرد اساسی برای قطعه بندی به منظور بهبود تصاویر استفاده شده است. جهت بررسی و مقایسه بهتر نتایج، از سه نوع تصویر بافت سخت استخوان (دست)، بافت نرم (مغز) و نوعی مخمر استفاده می شود. برای مرحله پیش پردازش چهار فیلتر (بالاگذر باترورث، بالاگذر گوسین، باترورث با تاکید بر فرکانس بالا و گوسین با تاکید بر فرکانس بالا) مورد استفاده قرار می گیرد. سپس الگوریتم های برنارد، شی، چان و وز و لی برای قطعه بندی تصاویر به کار گرفته می شود. در انتها، تصاویر از نظر معیار های کیفی (بصری) و کمّی (تعداد تکرار الگوریتم، زمان محاسباتی cpu و معیار شباهت تاس) مورد مقایسه و تحلیل قرار می گیرند. در روش پیشنهادی، سعی شده است تا با دور ریختن اطلاعات اضافی در مرحله پیش پردازش، تصاویر مناسب تری را برای مرحله قطعه بندی فراهم کنیم. به طور کلی، نتایج معیارهای ارزیابی نشان داد که پیش پردازش تصاویر با فیلترهای گوسین و تاکید بر فرکانس بالا باترورث بهترین عملکرد را داشت و همچنین بهترین نتیجه قطعه بندی بر روی تصاویر پیش پردازش شده با استفاده از الگوریتم برنارد حاصل شد.