《冠脉造影图像心血管边缘提取》由会员分享，可在线阅读，更多相关《冠脉造影图像心血管边缘提取（6页珍藏版）》请在金锄头文库上搜索。
1、一一 开题背景开题背景近年来，图像成像技术为医学诊断提供了丰富和准确的信息，对疾病的无创伤精确诊断起了积极的作用。 然而，人们在获取和传输数字图像的同时，难免于图像数据被外界噪声所污染，妨碍了人们对图像信息的理解，由此，图像去噪技术应运而生。图像去噪，即在尽可能地不损失原图像细节的前提下，去除图像中无关的噪点，现有的图像去噪方法很多，常用的有 1.均值滤波器 2.低通滤波器。3 中值滤波器。为了研究方便，我们的方法是人工地给原图像添加噪声，主要是随机噪声和椒盐噪声。 另外，图像边缘反映了图像中最有价值的信息，对边缘的检测是图像处理和计算机视觉中最重要，最经典的课题之一。对医学图像而言，常需要通
2、过边缘的提取来确定病灶的大小、脏器的运动情况、血球流动状态等。但由于多种因素的影响，医学图像边缘往往不也很清晰，这直接影响医务人员的诊断和治疗。因此，图像边缘和轮廓特征的检测和提取方法，一直是医学图像处理与分析技术中的研究热点。 为方便医学影像工作者的使用，本文在对图像平滑（去噪）及对图像边缘检测技术进行回顾的基础上，分析讨论了各种方法的优势与缺陷。 二二 课题目的课题目的 在学习了医学成像系统和医学图像处理等课程的基础上，以冠脉造影图像为例，利用 Matlab 软件，学习医学图像的图像增强和边缘提取等。 三三 课题研究的主要内容课题研究的主要内容1.分别利用中值滤波和高斯平滑去除图像中的椒盐
3、噪声和随机噪声，分析不同的模板大小对中值滤波的影响，以及尺度(方差)对图像平滑的影响。 2.对造影图像分别用灰度梯度算子、Roberts 交叉算子、Sobel 算子、Kirsch 算子、Laplace 算子、Marr 算子进行边缘提取，并对结果进行讨论，并研究阈值选取对边缘检测的影响。 四四 原理和方法原理和方法 1 1 图像平滑图像平滑 1.11.1 图像平滑的概念与分类。图像平滑的概念与分类。图像平滑主要是为了消除被污染图像中的噪声。图像的简单平滑是图像增强处理中最基本的方法之一，它利用卷积运算对图像邻域的像素灰度进行平均化，从而达到减少图像中杂点的影像，降低图像对比度的目的。在空间域方法
4、中，主要有线性平滑，非线性平滑，自适应平滑；在频率域，由于噪声频谱通常在高频段，因此主要是选择合适的低通滤波器对其频谱成分进行调整，然后经逆傅里叶变换得到平滑图像（由于噪声频谱通常在高频段） 。 1.21.2 中值滤波中值滤波【1】【1】中值滤波是一种非线性的信号处理方法，与其对应的中值滤波器当然也就是一种非线性的滤波器。中值滤波器在 1971 年由 J.w.Jukey 首先提出并应用在一维信号处理技术中，后来被二维图像信号处理技术所引用。中值滤波在一定的条件下可以克服线性滤波器如均值滤波带来的图像细节模糊，而且对滤除脉冲干扰（椒盐噪声即脉冲干扰）及图像扫描噪声最为有效。但是对于一些细节多，特
5、别是点、线、尖顶细节多的图像不宜采用中值滤波。另外，中值滤波很容易自适应化，从而可以进一步提高其滤波性能。因此，它非常适用于一些线性滤波器无法胜任的数字图像处理应用场合。中值滤波一般采用一个含有奇数个点的滑动窗口，将窗口中的各点灰度值的中值来替代指定点（一般是窗口的中心点）的灰度值。对于奇数个元素，中值是指按大小排序后，中间的数值；对于偶数个元素，中值是指排序后中间两个元素灰度值的平均值。1.31.3 高斯滤波高斯滤波 高斯滤波器是一种线性滤波模板, 模板各位置的权重是根据高斯分布函数确定的。由于高斯滤波器的二维可分性( X 轴与 Y 轴方向进行高斯滤波互不干扰) , 我们可以用两个一维高斯滤
6、波器的连续卷积来实现一个二维高斯滤波器: ( 1) 对图像使用一维高斯卷积模板, 在一个方向上进行滤波 (例如水平方向)。( 2) 转置图像;( 3) 对转置以后的图像使用同一个高斯卷积模板, 在垂直方向进行滤波。( 4) 将图像转置回原来的位置, 我们就得到了经过二维滤波的图像。一维高斯卷积模板可以由二项式展开的系数来模拟a) 33 模板b) 55 模板2 2 边缘检测边缘检测2.12.1 边缘检测的定义边缘检测的定义图像的边缘是图像的最基本特征。所谓边缘就是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。因此，它是图像分割
7、所依赖的重要特征。物体的边缘是由灰度不连续性所反映的。经典的边缘提取方法是考察图像的每个像素在某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律。用简单的方法检测边缘，这种方法称为边缘检测局部算子法。2.22.2 几种常用的边缘检测算子几种常用的边缘检测算子。边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，也包括方向的确定。大多数使用基于方向导数掩没求卷积的方法。2.2.12.2.1 灰度梯度算子灰度梯度算子当图像微分运算后，每个像素处有一个梯度值反映该点的边缘强度。 模板：差分： Gx=f(x+1,y)-f(x,y);Gy=f(x,y+1)-f(x,y) 为了检测边缘点，选取
8、适当的阈值 T，对梯度图像进行二值化。g(x,y)= 1 Grad(x,y)=T 0其他这样，形成了一副边缘二值图像 g(x,y)。2.2.22.2.2 RobertsRoberts 交叉算子交叉算子Roberts 边缘检测算子是一种利用局部差分算子寻找边缘的算子。|), 1() 1,(|,) 1, 1(),(max(| ),(yxfyxfyxfyxfyxf模板：差分： | ) 1,(), 1(| | ),() 1, 1(| yxfyxffyyxfyxffx2.2.32.2.3 SobelSobel 算子算子-1 1 -1 1 1 0 0 -1 0 1 -1 0 jyyxfixyxfyxf),
9、(),(),(下图所示的两个卷积核形成了 Sobel 边缘算子，图像中的每个点都用这两个核做卷积，一个核对通常的垂直边缘响应最大，而另一个对水平边缘响应最大。两个卷积的最大值作为该点的输出位。运算结果是一幅边缘幅度图像。模板：2.2.42.2.4 KrischKrisch 算子算子下图所示的 8 个卷积核组成了 Krisch 边缘算子。图像中的每个点都用 8 个掩模进行卷积，每个掩模都对某个特定边缘方向作出最大响应，所有 8 个方向中最大值作为边缘边缘幅度图像的输出。最大响应掩模的序号构成了边缘方向的编码。-3 -3 -3 -3 0 -3 +5 +5 +5 +5 -3 -3 +5 0 -3 +
10、5 -3 -3 2.2.52.2.5 LaplaceLaplace 算子算子Laplace 算子是对二维函数进行运算的二阶导数算子。通常使用的拉普拉斯算子如下。-1 0 1 -2 0 2 -1 0 1 -1 -2 -1 0 0 0 1 2 1 +5 +5 +5 -3 0 -3 -3 -3 -3 -3 +5 +5 -3 0 +5 -3 -3 -3 -3 -3 -3 +5 0 -3 +5 +5 -3 +5+5-3+50-3-3-3- -3-3 -3 +5 -3 0 +5 -3 -3 +5 -3 -3 -3 -3 0 +5 -3 +5 +5 0 -1 0 -1 4 -1 由于拉普拉斯算子是一个二阶导
11、数，它将在边缘处产生一个陡峭的零交叉，对噪声非常敏感，另外。 ，它常产生双像素宽的边缘，因而不能提供图像边缘的方向信息，所以很少直接用于边缘检测2.2.6 Marr 算子算子Marr 算子是在 Laplace 算子的基础上实现的。Lapace 对噪声比较敏感，为了消除噪声的影响，可以对图像先进行平滑然后再运用 Laplace 算子。根据人眼视觉成像原理，图像中任一个像素点所对应的场景点周围的点对该点的光强的贡献成正态分布。因此，平滑函数选择具有正态分布的高斯函数 h(x,y)。G(x,y)=f(x,y)*h(x,y)得到平滑图像 G（x,y）后再用拉普拉斯算子处理。 五五 实验步骤实验步骤1
12、1 流程图流程图冠脉造影图像图像平滑 边缘提取人工加随机噪声、椒盐噪声 不同算子对边缘提取的影响中值滤波 高斯滤波 研究阈值选取对边缘检测的影响分析不同模板的影响 分析不同尺度(方差)的影响图 1 实验流程图0 -1 0 -1 -1 -1 -1 8 -1 -1 -1 -1 2 2 步骤说明步骤说明1 对所给冠脉造影图像分别加入随机噪声和高斯噪声。2 分别用 3*3、7*7、13*13、19*19、25*25 的模板对随机噪声图像和椒盐噪声图像进行中值滤波，并分析不用模板对其影响。3 分别对随机噪声图像和高斯噪声图像进行高斯滤波，设定不同的方差，分析不同方差的影响。4 对造影图像分别用灰度梯度算子、Roberts 交叉算子、Sobel 算子、Kirsch算子、Laplace 算子、Marr 算子进行边缘提取，并对结果进行讨论，并研究阈值选取对边缘检测的影响。
