《人体骨骼灰度变换答辩计算机软件与应用it计算机专业资料》由会员分享，可在线阅读，更多相关《人体骨骼灰度变换答辩计算机软件与应用it计算机专业资料（17页珍藏版）》请在金锄头文库上搜索。
1、2015/1/3,1,基于灰度变换的骨骼扫描图像增强设计 课程设计报告,学院：里仁学院 年级专业：12级检测一班 学生姓名：徐超杰 指导教师：刘斌,2015/1/3,2,内容提要,第5章 课程设计收获建议,第4章 matlab仿真,第3章 设计流程,第2章 理论基础或算法原理,第1章 设计题目简介,2018/12/8,3,第1章 设计题目简介,设计题目：基于灰度变换的骨骼扫描图像增强设计 技术参数：利用灰度变换实现骨骼扫描图像的增强处理，自行设计软件 流程，配置相关参数，对比不同参数的增强效果。 设计要求：(1)利用Matalb软件编写相关程序； (2)撰写课程设计报告，报告内容应包含算法原理
2、、程序流程 和本人的主要工作；报告其他内容详见模板。 参考资料：课程教材 数字图像处理 Matlab版Rafael C. Gonzalez著，阮秋琦等译 精通Matlab GUI设计 第三版陈垚光 等著 MATLAB软件相关参考书,2015/1/3,4,第2章 理论基础或算法原理,灰度变换是基于点操作的增强方法，它将每一个像素的灰度值按照一定的数学变换公式转换为一个新的灰度值，如增强处理中的对比度增强。对比度增强可以采用线性拉伸和非线性拉伸。线性拉伸可以将原始输入图像中的灰度值不加区别地扩展。如果要求对局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理时，采用分段线性拉伸。非
3、线性拉伸常采用对数扩展和指数扩展。对数扩展拉伸低亮度去，压缩高亮度区；指数扩展拉伸了高亮区，压缩了低亮度区。 根据图像增强处理过程所在的空间不同，图像增强可分为空域增强法和频域增强法两大类。频域增强是在图像的某种变换域内，对图像的变换系数值进行运算，即作某种修正，然后通过逆变换获得增强了的图像。空域增强则是指直接在图像所在的二维空间进行增强处理，既增强构成图像的像素。空域增强法主要有灰度变换增强，直方图增强，图像平滑和图像锐化等。,2015/1/3,5,第3章 设计流程,原图像是人体骨骼核扫描图像，的目的是通过图像锐化突出骨骼的更多细节来增强图像。由于图像灰度的动态范围很窄并且有很高的噪声内容
4、，所以很难对其进行增强。对此我们采取的策略是，首先用拉普拉斯法突出图像中的小细节，然后用梯度法突出其边。平滑过的梯度图像将用于掩蔽拉普拉斯图像。最后，将使用灰度变换来增强图像的灰度动态范围。 第一步使用模板为-1,-1,-1;-1,8,-1;-1,-1,-1的滤波器对原图像进行拉普拉斯操作，这一步先对图像进行初步的锐化滤波。由于使用的模板如上，让常数c=1，简单的将原图和锐化后图像相加就可以得到一幅经过锐化过的图像。 经过第一步处理后的图像仿真结果如下：,2018/12/8,6,2018/12/8,7,降低噪声的一种方法就是使用中值滤波器，但属于非线性滤波器的中值滤波器有可能改变图像的性质，所
5、以不可取。所以采取另一种方法，使用原图像梯度操作的平滑形式所形成的一个模板原图像试用Sobel梯度操作，分量gx为-1,-2,-1;0,0,0;1,2,1,而分量gy为-1,0,1;-2,0,2;-1,0,1的模板仿真图像如下：,2018/12/8,8,梯度变换在灰度斜坡或台阶的平均相应要比拉普拉斯操作的更强烈，而对噪声和小细节的响应要比拉普拉斯操作的相应弱，而且可以通过均值滤波器对其进行平滑处理可以进一步降低，使用大小为5*5的一个均值滤波器得到平滑后的Sobel梯度图像。仿真图像如下：,2018/12/8,9,2018/12/8,10,2018/12/8,11,将拉普拉斯图像与平滑后的梯度
6、图像进行点乘。此时看到强边缘的优势和可见噪声的相对减少，用平滑后的梯度图像来掩蔽拉普拉斯图像的目的达到了。,2014/6/21,12,将乘积图像与原图像相加就产生一幅需要的锐化图像。与原图像相比，该图像中大部分细节的清晰度的增加都很明显，所以我们才需要综合多种的方法对图像进行处理，单独使用一种方法根本不可能达到这么好的效果，只需要看相对应的图像进行对比即可知道。 对比图像如下：,2018/12/8,13,2015/1/3,14,我们希望扩展灰度范围，对图像进行幂率变换处理，r=0.5，c=1，然后即可对图像进行幂率变换此时需要增大锐化后图像的动态范围，即使有很多种这样效果的灰度变换函数，但是用
7、幂率变换处理更好，直方图均衡和规定化的效果都不太好，此时人体的轮廓的清晰度虽然还是不高，因为扩大的灰度动态范围的同时也增大了噪声，但是相比原图还是有相当大幅度的提高的。,2015/1/3,16,第4章 matlab仿真,仿真过程中的部分程序 im=imread(guge.tif); im = im2double(im); h =-1,-1,-1;-1,8,-1;-1,-1,-1; im1 =imfilter(im,h); im2=im+im1; hx=-1,-2,-1;0,0,0;1,2,1; hy=-1,0,1;-2,0,2;-1,0,1; gradx=filter2(hx,im,same)
8、; gradx=abs(gradx); grady=filter2(hy,im,same); grady=abs(grady); im3=gradx+grady; h1 = fspecial(average,5) ; im4 = imfilter(im3,h1); im5=im2.*im4; im6=im+im5; T=str2double(get(handles.edit1,String); gamma=T; c=1; im7=c.*im6.gamma; axes(handles.axes2); imshow(im7);,2015/1/3,17,第5章 课程设计收获建议,这次MATLAB课程设计让我学到了很多，不仅仅是知识，还学到了许多学习方法。MATLAB软件在这之前接触的很少，仅仅是在课上有过一点了解。为了做好这次的课程设计，我查阅了大量的资料，并上网搜索了许多与此相关的知识，这个过程使我受益匪浅。 虽然在规定的时间内完成了老师所布置的课题，但是还是觉得不免有些不足。由于时间局限，对许多MATLAB所运用到的知识仅仅是有所了解，而并没有完全地掌握，甚至可以说是只知其然，而不知其所以然。这使我意识到对于MATLAB的学习任务还很艰巨，还有许多知识需要去了解，去深入研究。,
