《医学图像增强课件》由会员分享，可在线阅读，更多相关《医学图像增强课件（71页珍藏版）》请在金锄头文库上搜索。
1、医学影像图像处理,生物医学工程系,3.1 图像增强的目的、特点和方法,一、目的： 改善图像视觉效果，便于观察和分析 便于人工或机器对图像的进一步处理,二、特点： 人为地突出图像中的部分细节，压制另外一部分信号 在不考虑图像降质原因的条件下，用经验和试探的方法进行加工 尚无统一的质量评价标准，无法定量衡量处理效果的优劣,需要注意的问题： 处理时应考虑人眼的视觉特性和硬件的表现能力，达到合理的匹配 处理时必须考虑处理目的，选用合适的方法,三、处理技术分类,频域方法,全局处理,局部处理（ROI）,灰度图像,(伪)彩色图像,从处理对象分类,点处理（灰度变换）,邻域方法（空域滤波）,空域方法,图像锐化,
2、平滑去噪,灰度调整,3.2 灰度直方图与图像的点处理,一、灰度直方图 ：图像中像素灰度分布的概率密度函数,连续图像：设A(r) 代表灰度小于 r 的所有像素的面积，则,数字图像：设图像尺寸为MN，共有 K 级灰度，并且具有灰度级 rk 的像素数为g(rk)，则有：,二、直方图的均衡化,均衡化：将原始图像的直方图变换为均匀分布的形式，从而增加像素灰度值的动态范围，达到增强图像整体对比度的效果。,方法：计算累计分布函数(Cumulative Distribution Function, CDF)，并将其作为灰度变换函数s=T(r), 从而将原始图像的关于灰度 r 的分布直方图，转换为 关于灰度 s
3、 的均匀分布。,原理：从灰度直方图定义出发加以证明，设图像面积为A0， 其灰度已经进行归一化处理,例题：给定一幅图像的灰度分布概率密度函数为:,P(r) =,-2r+2 0 r 1,0 其它,对其进行均衡化处理,均衡化效果实例：,均衡化效果实例（续）：,均衡化效果实例（续） ：,均衡化效果实例（续） ：,3.3 空域滤波增强,一、原理和分类,原理：利用相邻像素的关系进行图像增强，常借助模板进行邻域操作。, 3.3.1 概述,二、空域线性滤波的算法 模板操作,将模板在图中漫游，并将模板中心与某像素重合 将模板系数与模板下对应像素相乘 将所有乘积相加 将上述求和结果赋予模板中心对应像素,三、空域线
4、性滤波运算的原理 空域卷积,四、模板的可分解性：, 3.3.2 图像锐化,锐化的目的：,对正常图像，通过锐化提取边缘、轮廓、线条等信息，供进一步识别,通过加重图像轮廓克服降质，以达到更好的视觉效果,图像细节的灰度变化特性,扫描线,三、常见的锐化方法,1.单方向一阶锐化 单方向的一阶锐化是指对某个特定方向上的边缘信息进行增强 2.无方向一阶锐化 Roberts, Sobel, Priwitt锐化 3.二阶锐化 拉普拉斯锐化,1.1水平方向一阶锐化,1*1+2*2+1*3-1*3-2*0-1*8=-3,问题：计算结果中出现了小于零的像素值,1.2垂直方向一阶锐化,1*1+2*2+1*3-1*3-2
5、*2-1*8=-7,问题：计算结果中出现了小于零的像素值,锐化后处理,方法1：整体加一个正整数，以保证所有的像 素值均为正。 这样做的结果是：可以获得类似浮雕的效果。,方法2：将所有的像素值取绝对值。 这样做的结果是，可以获得对边缘的有方向提取。,2.无方向一阶锐化,（1）交叉微分算法（Roberts算法）计算公式如下：,Sobel、Priwitt锐化算法 的计算公式如下：,其中，,Sobel锐化,Prewitt锐化,3.二阶锐化,从图像的景物细节的灰度分布特性可知，有些灰度变化特性一阶微分的描述不是很明确，为此，采用二阶微分能够更加获得更丰富的景物细节。,上式对应的卷积和为,常用的拉普拉斯卷
6、积核为,拉普拉斯锐化, 3.3.3 图像平滑,一、平滑的目的：,抑制或消除噪声 作为其它处理的前处理,二、平滑的算子,加权平均,选择平均：参考Ann Scher, et al., Some New Image Smoothing technique, IEEE Trans. SMC Vol. SMC10, No3,三、线性平滑算子特性的分析,以右侧的33邻区平均模板为例：,四、非线性平滑滤波器 中值滤波，百分比滤波，最大值滤波，最小值滤波,中值滤波是将选定的奇数像素窗口内的各像素灰度按大小排队，用中间的灰度值代替窗口中原图像中间位置的像素。因此是一种非线性滤波。,百分比滤波,与中值滤波类似，是
7、将选定的奇数像素窗口内的各像素灰度按大小排队，用最接近某个亮度百分比的灰度值代替窗口中原图像中间位置的像素。,最大值滤波,最小值滤波,方法与上述类似，用于检测图像中最亮的点。,方法与上述类似，用于检测图像中最暗的点。,3.4 频域滤波增强, 3.4.1 概述,频域滤波处理的一般方法：,G(u,v)=H(u,v)F(u,v),f(x,y),F(u,v),G(u,v),g(x,y),因此：频域滤波处理的关键是选取合适的滤波器函数 H(u,v) !, 3.4.2 低通滤波,一、理想低通滤波器,H(u,v) =,式中D0是一个非负整数，D(u,v)是从点(u,v) 到频率平面原点的距离。,1 当D(u
8、,v)D0,0 当D(u,v) D0,D(u,v)(u2+v2)1/2,理想低通滤波器的处理效果：,低频增强,滤波后图像,原图, 3.4.3 高通滤波,一、理想高通滤波器,H(u,v) =,0 当D(u,v)D0,1 当D(u,v) D0,理想高通滤波器的处理效果例,高频增强,滤波后图像,原图,3.5（伪）彩色图像增强,3.5.1 彩色图像,一、 颜色的基本物理特征 色相：指能够比较确切地表示某种颜色色别的名称 明亮度：色彩的明亮程度 纯度：色彩的纯净程度，它表示颜色中所含有色成分的比例,二、加色与减色混色,CIE (国际照明委员会) 1931年定义三种标准基色和一组彩色匹配函数，称为 XYZ
9、 颜色模型。任何一种可以混出的色彩 Cl 都可以表示为：,三、标准基色与色彩图,为便于讨论颜色的性质，可以对配色比例进行归一化处理，定义：,其中X，Y，Z 称为标准基色， x, y, z 为为配出Cl 所 需的标准基色的量。,基于视觉的三刺激理论，认为人眼视网膜锥状细胞通过对三种可见光的刺激强度的相对比较的感受而区分颜色。这三种光波分别在630nm，530nm，450nm达到刺激高峰。这种三刺激理论也是彩色视频显示器显示彩色的机理。,四、RGB 颜色模型,描述 RGB 三色混合颜色的模型称为 RGB 颜色模型，可配 出的颜色Cl 表为：,上述配色公式可由 R，G，B 坐标系中的单位立方体表示，
10、坐标原点代表黑色，而(1, 1, 1) 代表白色。落在坐标轴上的顶点代表三个基色，而其余的顶点则代表每个基色的互补色。立方体的对角线为灰度线。, 3.5.2 灰度切割伪彩色增强,灰度切割例,典型的彩色映射曲线之一, 3.5.3 从灰度到彩色的映射变换,红映射,绿映射,蓝映射,彩 色 显 示 器,蓝,青,绿,黄,红,典型的彩色映射曲线之二,r,R=TR(r),伪彩色映射处理效果例1,伪彩色映射处理效果例 2,伪彩色映射处理效果例 1,伪彩色映射处理效果例 2,伪彩色映射处理效果例 1,伪彩色映射处理效果例 2,二进小波图像增强技术,论文结构,引言(简要介绍医学图像增强的研究背景及意义) 算法原理
11、(简单介绍了本文所用到的数学知识) 算法流程(提出了一种基于小波变换的模糊域增强算法) 结果与讨论（对图像增强传统方法与本文所用算法进行比较，验证了该算法的可行性和优越性） 结束语,1、引言,医学影像是医生临床诊断和治疗的重要辅助手段 医学图像在采集、传输中会引入大量噪声 为了提高图像的可读性，进行更有效的观察和诊断，对其进行计算机处理（去噪、增强）就显得非常必要,2、研究现状,传统方法：频域滤波（低通滤波、wiener滤波），空域滤波（中值滤波） 新方法：1、经典的图像增强方法的改进 2、基于小波变换的图像增强技术 3、基于神经网络、模拟退火法、遗传算法的图像增强技术 4、基于数字形态学的图
12、像增强技术，如基于粗糙集理论、模糊数学的增强方法。,3、算法流程图,4、结果与讨论,软阈值去噪,图像的噪声主要分布在高频区域 经小波分解后，信号的小波系数幅值要大于噪声的系数幅值，可以认为，幅值比较大的小波系数一般以信号为主，而幅值比较小的系数在很大程度上是噪声 软阈值函数,模糊域增强,模糊子集，隶属函数 设U=(x)是一个集合，(x)是定义在U上并在0,1区间中取值的一个函数，则(x)刻划了U中的一个模糊子集A，我们称U是论域，A是U的模糊子集，(x)是A的隶属函数。 最大隶属度原则 最大隶属度原则就是认为元素隶属于隶属度最大的集合。,模糊域增强流程图,F：隶属函数,T：模糊增强算子,F：逆映射（F的反函数）,低频分量增强效果,重构,结果讨论,结果分析：1、高频去噪和低频增强都取得了很好 的效果 2、重构后的图像不太理想 存在问题：1、边缘模糊，低频模糊域增强引起的。 2、重构后图像对比度下降 解决方法：1、改进模糊算法 2、改进重构方法，或对重构后的图像 进行处理,
