《直方图与索贝尔算子相结合的MR图像肿瘤边缘检测方法的研究设计》由会员分享，可在线阅读，更多相关《直方图与索贝尔算子相结合的MR图像肿瘤边缘检测方法的研究设计（32页珍藏版）》请在金锄头文库上搜索。
1、毕业设计中文摘要直方图与索贝尔算子相结合的R图像肿瘤边缘检测方法的研究摘要:边缘检测是医学图像处理的关键技术之一，是基于边界的一大类图像分割方法。图像边缘检测是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤。对医学图像进行边缘检测的目的是在有噪声背景的图像中确定出目标的边界,检测出医学图像中不同组织的边界，以提高临床医生的诊断水平，降低漏诊率.边界的确定对图像的分析，理解和识别都有十分重要的作用。本课题主要研究利用基于直方图与索贝尔算子相结合方法检测MR图像中的肿瘤边缘。索贝尔算子是一阶微分算子，它具有平滑作用,可提供较为精确的边缘方向信息。但是，这种算法对于纹理较复杂的图像，
2、其边缘检测效果不佳。因此,本课题采用了将直方图技术和索贝尔算子相结合方法,来得到对MR肿瘤图像较好的边缘检测效果。关键词: 核磁共振图像 边缘检测 索贝尔算子 直方图 / 毕业设计外文摘要Title Th tudy f Combiing HistogrmandoblOprtor for Th uor dge Dtecin Mtodin MR maes AbstacEdgedtectonione of th key tecnloyof medial magprocssing, whch is a large class o undarybased imae egmentato mod。 dge
3、Deection is basic metod of mage roesing， image analsi,pattern recgnitin, computer visnad hma vision。e purpose of edeetecton is to idniy the obvious poitf brightnevaiaions i digital ime de detction of medicl imags is thpurpos of drmiing the bounaries oftetarg i thebacground ofte image wit noise, dete
4、ctig te onres of difeet ogiztons of edc images， whih can imprve teliical diaosi evladrduce the at of misiagnosi. Deternaion of h boundary as a very imporan rl in ime analis, nderstanding and identying。 Th paer mail stuis detcg te tmor edge of MR mge， which e Sobel operator cobnedwth Histgra Sb opera
5、tr is firstoddifferential prao, which hs smoth efect andcanprovide a retvlyacate dedirecioinformation. Butheefect i poor foh more cmplextxtureage。 Sbel erator cmbdwth Hstogrms use n thi r detectig MRimage h tuor edge o explreth ege tction effect。Kewor：R iag ede dtection bel oeator istogram目 次1 引言1。1
6、 医学图像处理的应用背景及意义11.2 边缘检测在医学图像处理中的应用2 图像边缘检测2 边缘检测的历史及研究现状32。2 边缘检测算子43 灰度直方图3。1 直方图的基本概念932 直方图的应用4 直方图与索贝尔算子相结合的MR图像边缘检测4. 索贝尔算子. 直方图折半查找法1343直方图与索贝尔算子相结合的图像边缘检测的Matlab程序实现和结果13结论 24参考文献2致谢27 引言1。1 医学图像处理的应用背景及意义图像处理最早出现于0世纪50年代，当时电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。图像处理作为一门学科约形成于20世纪60年代初期。早期的图像处理目
7、的是改善图像的质量,以人为对象，以改善人的视觉效果为目的,输入的是质量低的图像，输出的是改善质量后的图像。常用的图像处理方法有图像增强、复原、编码、压缩等。图像处理的产生和迅速发展受三个因素的影响:一是计算机的发展；二是数学的发展(特别是离散数学理论的创立和完善）;三是农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。近年来,随着计算机技术、网络技术和医疗技术的不断发展,医学图像已成为临床诊断、病理分析及治疗的重要依据和手段，医学图像处理（ImgeProessin)是用计算机对已获得的医学图像作进一步的处理，进行分析，其目的或者是使不够清晰的图像复原，或者是为了突出图像中的某些特征信
8、息，或者是对图像做模式分类等，以达到所需结果的技术。医学图像包含了大量的病理信息,对临床的诊断和治疗具有非常重要的意义.随着科学技术的发展，现代医学已经越来越离不开医学图像的处理。然而由于医学成像设备的成像机理、获取条件和显示设备等因素的限制，在一个图像系统中，图像的获取、发送、传输、接收、输出、复制等各个环节都会产生干扰，从而降低图像的质量2。如何对这些“降质”图像进行处理，满足实际需要,是图像处理的基本要求。通过图像变换和图像增强等技术来改善图像的清晰度，突出重要的内容，消除不重要的内容,以适应人眼的观察和仪器的自动分析,这无疑大大提高了临床诊断的准确性3。图像处理主要是对一些图像进行一系
9、列的操作已达到预期的目的，包括图像的数字化、图像变换、图像增强、图像复原、图像压缩编码、图像分割等技术和内容,以达到诊断、科研等目的.医学图像的分析和处理是医学影像技术极为重要的一个环节，特别是图像处理技术中所涉及的图像去噪和图像边缘检测技术已成为当前研究的热点4。1。2 边缘检测在医学图像处理中的应用图像边缘是一种重要的视觉信息，图像边缘检测是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。图像边缘是图像最基本的特征之一，往往携带着一幅图的大部分信息。而边缘存在于图像的不规则结构和不平稳现象中，也即存在于信号的突
10、变点处,这些点给出了图像轮廓的位置,这些轮廓常常是我们在图像分析时所需要的非常重要的一些特征，这就需要我们对一幅图像检测并提取它的边缘.边缘检测是医学图像处理的关键技术之一，也是难点之一,是基于边界的一大类图像分割方法，其基本思想是通过寻找图像中不同区域的边界，从而达到图像分割的目的.图像中，在两个灰度不同的相邻区域的交界处，必然存在着灰度的快速过渡或称为跳变,它们与图像中各区域边缘的位置相对应。边缘蕴含了丰富的内在信息（如方向、阶跃性质、形状等等）,从某种意义上说，图像的大部分信息都集中在这里.边界的确定对图像的分析，理解和识别都有十分重要的作用6。边缘检测在许多方面都有非常重要的使用价值，
11、它的解决对进行高层次的特征描述、识别和理解都有着重要影响。对医学图像进行边缘检测的目的是在有噪声背景的图像中确定出目标的边界，检测出医学图像中不同组织的边界，以提高临床医生的诊断水平，降低漏诊率时期。它在医学图像匹配、肿瘤病灶确定、造影血管检测、左心室边缘提取等方面发挥着重要的作用，边缘检测的好坏，会直接影响到后续的治疗过程。因此，研究图像边缘检测算法具有极其重要的意义.2 图像边缘检测边缘是指图像中像素灰度有阶跃变化或屋顶状变化的那些像素的集合。它存在于目标与背景、目标与目标、区域与区域、基元与基元之间。它对图像识别与分析十分有用：能勾画出目标物体轮廓,使观察者能一目了然；包含了丰富的信息（
12、如方向、阶跃性质、形状等)，使图像识别中抽取的重要属性7。图像边缘是一种重要的视觉信息，图像边缘检测是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解.实现边缘检测有很多不同的方法，也一直是图像处理中的研究热点,人们期望找到一种抗噪强、定位准、不漏检、不误检的检测算法.。1 边缘检测的历史及研究现状边缘检测是一个古老而又年轻的课题。长期以来,人们已付出许多努力，设法利用边界来寻找区域，进而实现物体的识别和景物分析,由于目标边缘、图像纹理甚至噪声都可能成为有意义的边缘，因此很难找到一种普适性的边缘检测算法。由于边缘是图
13、像上灰度变化最剧烈的地方,传统的边缘检测就是对图像各个像素点进行微分或求二阶微分来确定边缘像素点。其目的是在有噪声背景的图像中确定出目标的边界，检测出医学图像中不同组织的边界，以提高临床医生的诊断水平,降低漏诊率9。它在医学图像匹配、肿瘤病灶确定等方面发挥着重要的作用,边缘检测的好坏，会直接影响到后续的治疗过程。因此,研究图像边缘检测算法具有极其重要的意义。早在959年Ju就曾提及边缘检测技术，而Robrt则于965 年开始了最早期的系统研究,从此有关边缘检测的理论方法不断涌现并推陈出新.后来有人提出边缘检测算子，主要分为经典算子、最优算子、多尺度方法及自适应平滑滤波方法。边缘检测算子就是通过检查每个像素点的邻域并对其灰度变化进行量化来达到边界提取的目的，而且大部分的检查算子还可以确定边界变化的方向。图像中的边缘检测最开始使用的都是一些非常经验的方法,用一些局部算子，如梯度的估计,又如用边缘的特征模块对图像进行卷积，然而由于这些方法普遍存在一些明显的缺陷，导致其检测结果并不尽如人意10.20世纪80年代，Mar和Cany相继提出了一些更为系统的理论和方法，逐渐使人们认识到边缘检测的重要研究意义。随着研究的深
