《医学图像基础》由会员分享，可在线阅读，更多相关《医学图像基础（39页珍藏版）》请在金锄头文库上搜索。
1、医学图像基础,周佳庆,contents,图像数据格式 灰度直方图 伪彩色与假彩色 图像体数据集 图像插值技术 图像形状和纹理量化,图像数据格式,图像数据格式 -bmp图像格式,文件头定义,图像数据格式 -bmp图像格式,位图信息数据,位图信息数据（cont）,图像数据格式 -bmp图像格式,颜色表,图像数据格式 -bmp图像格式,位图数据长度由图像尺寸,象素位数,压缩方式等共同决定.由于存储要求,图像的列数必须为4的整数倍BMP文件的数据格式可以分为两大类:使用颜色表型和直接数据区型biBitCount值为1，4，8时数据区存放颜色索引，24时为直接数据,灰度直方图,灰度直方图概念,对灰度进行
2、统计，在同一灰度上的象素统计到一起，形成一直方图,灰度直方图,灰度直方图反映的是图象灰度的统计信息，不包括空间位置信息 从直方图可以看出图象的总体性质 归一化直方图,彩色图像直方图,受人眼分辨率的限制，无法对相隔过进的灰度进行分辩，我们使用映射的方法将直方图分开些。一般使用线性映射。 P(r)r是原来的直方图,P(s)s是变换后的直方图，sr的映射关系为：,伪彩色与假彩色,伪彩色,金属色模拟金属加热过程，将原灰度图象中象素的灰度按数值大小映射为相应的颜色 彩虹色将图象灰度模拟可见光光谱中多种颜色转换。顺序不限于七色，只要有色彩与灰度值对应关系就可以了,假彩色,只是为了突出图象中感兴趣的区，以便
3、与周围的区域分开人为地赋予某些区域特定的颜色，而与原灰度图没有定量的关系,图像体数据集,体数据集及其文件格式,许多医学图象采集数据为体数据集，其虽为三维，但是仍以一维存放 文件格式包含 文件头文件类型，病人ID，图象类型，分辨率，颜色等 数据区每一层面逐行逐个存放,图象插值技术,插值概念,从已有的数据点产生新的数据点的技术称为插值技术从y1,y2计算 需使用外延法,二维图像灰度插值方法-最近邻插值,用四个相邻格点中 与 最近的点的灰度值作为该点灰度值,二维图像灰度插值方法-双线性插值法,第一步：第二步：最后： 做垂直方向插值,二维图像灰度插值方法-三次多项式插值法,二维图像灰度插值方法-三次多
4、项式插值法,首先，在4条水平直线上分别用三次多项式插值计算点a,b,c,d处的灰度值然后对a,b,c,d四点在垂直方向上再做三次多项式内插,abcd,三维图像灰度插值方法-NN法,与二维图象一样，用8个相邻角点中与G点最近的点的灰度值作为该点灰度值,G,三维图像灰度插值方法-三线性插值,首先得到与点G所在的体素 相交于A，B，C，D四点 在X方向上做四次线性插值 再得到E，F两点，做两次线性插值 最后在Z方向再做1次线性插值,DAFE GCB,三维图像灰度插值方法-三维三次多项式插值,与二维三次多项式内插相似，需用64个邻点，做21次多项式内插由于计算量过大，较少使用,图像形状和纹理量化,形状
5、量化区域圆度,为常用的形状测度，用分割区域的周长P和面积A定义随着图形复杂度增加，C的值也增加,形状量化空间矩,一个大小文N*M的图像f(I,j),它的二维P+Q阶矩定义为对平移不变的中心矩定义为,形状量化空间矩（cont）,可以定义尺度不变的中心矩可以将不同阶的尺度不变的中心矩组合构成一组对平移，尺度，旋转都不变的描述子,形状量化径向距离测度,将结构边界先转换为一维信号，再进行分析。例如计算从区域中心到每个象素边界的径向距离，d(n) 归一化后得到尺度不变的r(n) 还可以给予d(n)定义一些统计矩，进一步得到平移，旋转和尺度都不变的矩,形状量化链码,一个区域的形状可以用对其边界上的连续点的
6、相对位置量化的方法实现,3 2 1 4 p 0 5 6 7,形状量化Fourier描述子,二维区域轮廓上的每个象素都可以用一个复数表示,实部和虚部分别代表象素的x,y坐标。该序列的Fourier变换：d(u)包含轮廓的全部信息，轮廓主要信息包含在d(u)前几项中,形状量化细化算法,骨架提取迭代算法根据临近关系判断是否将一个边界点从二值化结构轮廓中删除，从而实现轮廓细化使用迭代算法,计算一个象素和其相邻象素的关系，以判断是否可以将其删除,P9 P2 P3 P8 P1 P4 P7 P6 P5,纹理量化,图象平滑区包含灰度较接近，粗糙区的灰度变化较大，所以用区域直方图的统计矩描述最好 一个图象区域有
7、K个灰度等级，灰度均值是u,直方图h(k)，则直方图均值的n阶矩定义为二阶矩描述图象的视觉粗糙程度且相对易于计算。三阶矩反映直方图的不对称性。四阶矩反映直方图的均匀性,纹理量化灰度共生矩阵,图象中相距 的两个灰度象素对同时出现的联合频率数可用一个灰度共生矩阵表示 图象有K个灰度等级，则矩阵大小为K*K,其灰度共生矩阵 为,纹理量化灰度共生矩阵（cont）,对更一般的情况，设图象尺寸是M行N列。4个主要方向象素对总数P的值为归一化灰度共生矩阵元素定义为 基于归一化灰度共生矩阵可以定义一系列的纹理测度（公式略）,纹理量化谱测度,当图象的纹理具有周期性或者接近周期性时，用Fourier变化对纹理描述更为合理。一个大小为M*N的图象f(x,y)的DFT为DFT包含纹理方向，粒度及图象对比度等信息,纹理量化谱测度（cont）,利用极坐标表示功率谱每个象素用它到原点的距离和方向角表示基于特定空间频率和方向角的纹理特性可以如下公式得到改变频率和方向角可以得到图象纹理的主周期和主方向,
