《自-基于Matlab的医学图像增强与边缘检测算法的实验研究》由会员分享，可在线阅读，更多相关《自-基于Matlab的医学图像增强与边缘检测算法的实验研究（8页珍藏版）》请在金锄头文库上搜索。
1、专业综合实验报告 -数字图像处理 专业:电子信息工程 班级：1006 姓名:顾江飞 学号:20111610 指导教师：王昕201年7月18日设计一 基于tlab的医学图像边缘检测算法的研究一、设计目的 运用多种算法对医学图像进行边缘检测，取得更丰富的医学图像边缘信息,以便于医学图像的进一步处理。二、设计内容和要求 利用各种微分算子Roberts 算子、Prewitt 算子、obel 算子、Laacian 算子和Cany算子分别对图像进行边缘检测，得到不同的方法对图像边缘检测的结果图。最后得出可以对医学图像实现边缘定位,为医学图像进一步的测量或识别做准备，能对医学图像中病灶部位特征加以明确区分。
2、三、设计步骤 打开计算机，运行matlab程序 2.用各种算法处理图片 3认真详实的记录实验过程和结果四、实验所需设备及软件 计算机一台、移动式存储器、mtla软件五、设计报告内容1材料 对于一幅医学图片，分别用erts 算子、Prewtt 算子、obel算子、Laplan算子和Cy 算子对图像进行边缘提取。 2方法 边缘检测是空域微分算子(实际上是微分算子的差分近似)利用卷积来实现的。常用的微分算子有梯度算子、拉普拉斯算子和any 算子等,这些算子不但可以检测图像的二维边缘,还可检测图像序列的三维边缘。边缘提取方法是考察图像的每个像素的某个领域内灰度的变化，利用邻域邻近一阶或二阶方向导数变化
3、规律，用简单的方法检测边缘，称为微分算子法。2.1梯度算子 根据参考文献，梯度对应于一阶导数,相应的梯度算子就对应于一阶导数算子。对于一个连续函数f（x,y),它的位置(x,y)的梯度可表示为一个矢量，其在(x,y)处的梯度定义如下。 (） 这个矢量的幅度（即简称为梯度)和方向角分别为： （2) (3） 式（1)（3）中的偏导数需要对每一个像素位置进行计算,运算量大,在实际应用中常常采用小区域模板卷积来近似计算,GX 和GY各自使用一个模板。最简单的是Robers 算子,其模板如下： （)较复杂的常用模板有Prewitt 算子和Sobel算子,分别如（5)和(6)所示： （5） （6）利用Mt
4、lab 图像工具箱中的ee函数，对以上算子来检测图像边缘.ede函数提供许多微分算子模板,在检测边缘时可以指定一个灰度阈值,只有满足这个阈值条件的点才视为边界点。Edg 函数基本格式为：B=dge（I，typ,meer,)其中,表示输入图像，type表示使用的算子类型，armeter 则是与具体算子有关的参数。2.2 拉普拉斯算子和Canny算子拉普拉斯算子(Laplaan)是一种二阶导数算子。对于一个连续函数(x，y)处的拉普拉斯算子定义如下: （7) 在图像处理过程中,拉普拉斯算子也可借助各种模板来实现。对模板的基本要求是：对应中心像素的系数为正,其余相邻像素的系数为负，并且所有系数的和应
5、该为零。常用的2 种模板如式(8）所式。 （8) Cany边缘检测是一种比较新的边缘检测算子,该方法与其他边缘检测方法的不同之处在于，它使用两种不同的阈值分别检测强边缘和弱边缘，并且仅当弱边缘与强边缘相连时,才将弱边缘包含在输出图像中,因此这种方法较其他方法而言不容易被噪声“填充”，更容易检查出真正的弱边缘。程序:blood = imred(1.pg);x,y，=sze(bood); % 求出图象大小 =dol(bod)； N =qt（10) randn(x，y,); % 生成方差为0的白噪声I=bN; % 噪声干扰图象for i=1：x; % 实际图象的灰度为0255 for =1:y if
6、(I（i,j)25) I(i,j）=255; end if (I（i，）0） I（i,)=0; end ne0=max(mx(I); 求出图象中最大的灰度=min（min()； 最小的灰度 (z0+z1）/2； TT=0;0=0； n0;S=; n=;alw=05; %新旧阈值的允许接近程度d=a（T-)；count=0; % 记录几次循环wile(d=low） % 迭代最佳阈值分割算法 count=cunt+； for i=1:x for j=:y f （I(i，j)=） S0=0+I(i,j）; n0=n0+1; e if(（i，j)=T) Seg(i,)=1； %阈值分割的图象 end
7、endndSI=1Seg; 阈值分割后的图象求反，便于用腐蚀算法求边缘se1tl(ae,3); % 定义腐蚀算法的结构1=meroe（SI,se)； %腐蚀算法BWS-I; % 边缘检测%=传统的边缘检测方法=%Iuit(I)；BW1=edge(S,sobl);BW2=edg(SI,log）;BW3=de(SI,cann)；W4ede（SI,rerts）;BW5=ee(SI,prei）;=图象显示=figue;ubplot(21);imhow();til(Origial) 显示阈值分割的图象subplo(22）；isho(W);title(o) % 显示新算法的边缘图象ublot(33)；ms
8、how(B1);titl(sbel)；sbplo(3);imhow(BW);tile(cny)；upot(23）;imsow(B4);tit（robet)；sbplot(26);imsow（5);title(prewtt）;结果：4 讨论 本实验通过对一幅医学图像的边缘检测，得出各种不同算子-Rorts算子、obel算子、reitt 算子、拉普拉斯算子以及Canny算子对图像做边缘提取时,由于算子本身对不同边缘类型的敏感程度不同,产生了不同的效果。对比各个算子所抽取的边缘可以看到,由于各算子本身存在的频谱特性，发现这些算子对不同方向的边缘抽取的效果是不同的，特别是对于那些边缘细节的提取。由图可
9、以很清楚的看出,Robrts 算子法对边缘的定位不是很准确,无法检测出图中一些区域的边缘。看出Soe算子和Pwitt 算子虽然能够检测出边缘,但是它的边缘是不连续的,且比较模糊，另外,可以看出Sobe 算子提取细节信息量比Prewitt 算子的较多.拉普拉斯算子法和Cny算子法检测边缘时，拉普拉斯算子对边缘抽取看起来也比较平滑,然而虽然拉普拉斯能检测出很多细微变化的边缘,但它也会产生好多虚假信息,而Canny算子法能够真正检测到的弱边缘。5 结论 边缘检测的任务就是精确定位边缘和抑制噪声。边缘检测算子在医学图像上的应用体现在医学图像的匹配、肿瘤病灶的确定、造影血管的检测、冠心病的诊断、左心室边缘的抽出和医学图像的三维重建等。由于医学图像往往受各种噪声，成像误差和人体本身等诸多因素的影响,使医学图像的边缘不清晰，人眼很难准确判断,而医学图像质量的好坏又直接影响医务人员对疾病的诊治，因此,对医学图像边缘检测的研究是非常必要的。微分算子利用Mtlab 实现医学图像边缘检测是较为好用的方法，除了算法简单、计算速度快之外，处理效果也比较好，因此掌握这些常用算子边缘检测的实现代码，为医学诊断提供了良好的分析手段。
