《医学图像增强说课讲解》由会员分享，可在线阅读，更多相关《医学图像增强说课讲解（184页珍藏版）》请在金锄头文库上搜索。
1、医学图像增强Stillwatersrundeep.流静水深流静水深,人静心深人静心深Wherethereislife,thereishope。有生命必有希望。有生命必有希望5.1 图像增强的概念为了改善视觉效果或便于人或机器对图像的分析理解，根据图像的特点、存在的问题或应用目的等，所采取的改善图像质量的方法，或加强图像某些特征的措施称为图像增强(image enhancement)。 图像增强(Image enhancement) 地位：图像增强是图像处理的一个重要分支， 是图像边缘提取、图像分割等处理的基础。目的：改善图像的视觉效果，提高图像成份的清晰度； 使图像变得更利于计算机处理，如锐化
2、处理可突出图像边缘轮廓线。图像预处理(preprocessing)-为后续处理与分析做准备.图像增强技术扩展对比度增强图像中对象的边缘消除噪声保留某些特性，抑制另一些特性彩色增强改变对比度改变对比度改变对比度改变对比度去除噪声去除噪声增强边缘图像增强方法基于空域的方法（图像域）基于变换域的方法(频率域)全局增强局部增强灰度增强彩色增强空间域空间域图像增强图像增强频率域频率域灰度变换灰度变换空域滤波空域滤波直接灰度变换直接灰度变换直方图修正法直方图修正法图像的代数运算图像的代数运算直方图均衡化直方图均衡化直方图规定化直方图规定化图像平滑图像平滑图像锐化图像锐化高通滤波高通滤波低通滤波低通滤波带通
3、、带阻滤波带通、带阻滤波 图像增强的图像增强的技术方法技术方法5.2 直方图增强（一）直方图Histogram 用于表示图象灰度分布情况的统计图表。通过直方图可以大致判断一幅图像的质量.如图像的对比度,图像的动态范围等信息，对灰度分布形式作校正来修正图像灰度，最终达到图像增强的目的。直方图均衡化(Histogram Equalization) 基本思想：是将原始图像的直方图变换为均匀分布的形式，增加像素灰度值的动态范围，从而达到增强图像整体对比度的效果。 图像均衡化处理后，图像的直方图是平直的，即各灰度级具有相同的出现频数，根据信息论方面的知识可知当图像中各灰度层的分布呈均匀状态时，图像包含的
4、信息量最大，因此直方图均衡实际上就是为了使图像具有最大的信息量。 直方图均衡化目标直直方图均衡化方图均衡化要找到一种变换 s=T ( r ) 使直方图变平直.rjrj+rsjsj+s直方图均衡化变换公式推导图示直方图均衡化 考虑到灰度变换不影响像素的位置分布，也不会增减像素数目。所以有直方图均衡化 s=T ( r ) 满足以下条件: （1）T(r)在0r1范围内单调递增函数， （2） 对0r1有0T(r)1 使直方图变平直，为使变换后的灰度仍保持从黑到白的单一变化顺序，且变换范围与原先一致，以避免整体变亮或变暗。直方图均衡化 应用到离散灰度级，设一幅图像的像素总数为n，分L个灰度级。 nk:
5、第k个灰度级出现的频数。 第 k个 灰 度 级 出 现 的 概 率 P(rk)=nk/n 其中0rk1，k=0,1,2,.,L-1 形式为：算例直方图均衡化 设图象的象素总数为n，分L个灰度级。 列出原始图象的灰度级sk ，0sk1， 统计各灰度级的象素数目n n(sk) k=0,1,2,.,L-1 计算各灰度级的频数P(sk)=nk/n 计算累计分布函数步骤步骤直方图均衡化 计算映射后的输出图像的灰度级 g gk k，k=0,1,2,.,P-1, P k=0,1,2,.,P-1, P 输出图像灰度级的个数。 INT是取整的符号。 统计新直方图各灰度级象素n n(jk) )， k=0,1,2,
6、.,P-1 k=0,1,2,.,P-1 计算输出图像的直方图P P(j(jk k)= )= n n(jk) )/ /n n 用tk k和g gk k映射关系调整原始图像的灰度级，获 得直方图均匀分布的输出图像。 步骤步骤例例例：设图象有例：设图象有64*64=409664*64=4096个象素，有个象素，有8 8个灰度级，灰度个灰度级，灰度分布如表所示。进行分布如表所示。进行直直方图均衡化方图均衡化。skr0=0/7r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1 nk 790102385065632924512281p(sk) 0.190.250.210.16
7、0.080.060.030.02k01234567步骤：步骤： nk 790102385065632924512281p(sk) 0.190.250.210.160.080.060.030.02例例skr0=0/7r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1k012345671. 1. 由累计分布函数计算由累计分布函数计算t tk k。 nk 790102385065632924512281p(sk) 0.190.250.210.160.080.060.030.02tk计算计算 0.190.440.650.810.890.950.981.00例例skr0=0
8、/7r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1k01234567 nk 790102385065632924512281p(sk) 0.190.250.210.160.080.060.030.02tk计算计算 0.190.440.650.810.890.950.981.00tk舍入舍入 135667772. 2. 把计算的把计算的t tk k安排到安排到8 8个灰度个灰度级中。级中。例例skr0=0/7r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1k01234567 nk 790102385065632924512281p
9、(sk) 0.190.250.210.160.080.060.030.02tk计算计算 0.190.440.650.810.890.950.981.00tk舍入舍入 13566777gk s s0 0s s1 1s s2 2s s3 3s s4 4nsk 7901023850985448p(gk) 0.190.250.210.240.113. 3. 重新命名重新命名t tk k，归并相同灰度归并相同灰度级的象素数。级的象素数。例例skr0=0/7r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1k01234567直直方图均衡化方图均衡化均衡化前后直方图比较例例直方
10、图均衡化 直方图均衡化实质上是减少图像的灰度级以换取对比度的加大。在均衡过程中，原来的直方图上频数较小的灰度级被归入很少几个或一个灰度级内，故得不到增强。若这些灰度级所构成的图像细节比较重要，则需采用局部区域直方图均衡。直方图均衡化灰度动态范围扩展直方图均衡化 MATLAB中，可以使用histeq函数实现直方图均衡化。函数的调用方法为： J,T= histeq (I,N) 改函数对图像I进行变换，返回有N个灰度级的图像J，J中的每个灰度级具有大致相等的像素点，所以图像J的直方图比较平坦，N的默认值为64。T是转移函数。例：I=imread(pout.tif);imshow(I);figure,
11、imhist(I);J,T=histeq(I,64)figure,imshow(J);figure,imhist(J);figure,plot(0:255)/255,T)；原始图与其直方图均衡化后的结果增强函数根据特点分为：线性(linear) 非线性(nonlinear) 。根据功能分为：平滑 (smoothing) 锐化(sharpening)。这两种分类法，可将空间滤波增强分为4类。空间滤波是在图像空间借助模板进行邻域操作完成的。5.3 图像的空间滤波增强平滑滤波平滑滤波平滑滤波：减弱或消除图像中的噪声成分，即傅立叶空间的高频分量，但不影响低频分量。因为高频分量对应图象中的区域边缘等灰度
12、值具有较大较快变化的部分，滤波器将这些分量滤去，可减少局部灰度起伏，使图象变得平滑，从而提高图像的信噪比。锐化滤波锐化滤波：主要用来增强图像的边缘信息，突显图像中感兴趣区域的轮廓。减弱或消除傅立叶空间的低频分量，但不影响高频分量。因为低频分量对应图象中灰度值缓慢变化的区域，与图象的整体特性，如整体对比度和平均灰度值有关，将这些分量滤去，可使图象锐化。方法：空间域：邻域平均法、 中值滤波、 多图像平均法等。目的： 改善图像的质量； 消除噪声。图像的空域平滑平滑可以抑制高频成分，但也使图像变得模糊。均值滤波法最常用的线性平滑滤波器。基本思想：用一个像素邻域平均值来代替原来像素的灰度值，作为滤波结果
13、，为保证输出图仍在原来的灰度值范围，算得R后将其除以系数总个数。常见的平滑算法是将原图中一个象素的灰度值和它周围邻近八个象素的灰度值相加，然后求平均作为新图象中该象素的灰度值。对3 x 3的模板来说，最简单的是取所有的系数为1。邻域平均法对同一尺寸的模板，不同位置的系数采用不同的数值。一般认为离对应模板中心像素近的像素对滤波结果贡献大，所以接近模板中心的系数比较大，边界的系数较小。加权平均法实用中，为保证模板系数为整数，常取模板周边最小系数为1，内部系数成比例增加，中心系数最大。一种常用的方法是根据系数与模板中心的距离反比确定内部系数值。加权平均法在一维的情况下，中值滤波器是一个含有奇数个象素
14、的滑动窗口，窗口正中间的那个象素的值用窗口内各象素值的中值代替。2、中值滤波器Median filtering中值滤波器是一种非线性滤波器，用局部中值代替局部平均值。取N=3中值滤波去除噪声例例200显然是个噪声。取N=3中值滤波去除噪声例例200显然是个噪声。取N=3中值滤波去除噪声例例200显然是个噪声。取N=3中值滤波去除噪声例例200显然是个噪声。取N=3中值滤波去除噪声例例200显然是个噪声。取N=3中值滤波去除噪声例例200显然是个噪声。滤波后，200被去除。取3X3窗口中值滤波法例例从小到大排列，取中间值工作步骤：工作步骤： 将模板在图中漫游，并将模板的中心与图 中某个象素位置重
15、合； 读取模板下各对应象素的灰度值； 将这些灰度值从小到大排成1列； 找出这些值里排在中间的1个； 将这个中间值赋给对应模板中心位置的象 素。2、中值滤波器中值滤波器的功能让与周围象素灰度值的差比较大的象素改取与周围象素值接近的值，从而消除孤立的噪声点。由于它不是简单的取平均，所以产生的模糊比较少。在一定的条件下，中值滤波可以克服线性滤波器所带来的图像细节模糊，并且对滤除脉冲干扰及图像扫描噪声非常有效，但是对一些细节多，特别是点、线、尖顶细节较多的图像则不宜采用中值滤波的方法。 中值滤波器 原图像原图像 中值滤波中值滤波一维中值滤波的几个例子（N=5）离散阶跃信号、斜升信号没有受到影响。离散三
16、角信号的顶部则变平了。对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响。一维中值滤波的概念很容易推广到二维。一般来说，二维中值滤波器比一维滤波器更能抑制噪声。二维中值滤波器的窗口形状可以有多种，如线状、方形、十字形、圆形、菱形等（见图）。2、中值滤波器不同形状的窗口产生不同的滤波效果，使用中必须根据图像的内容和不同的要求加以选择。从以往的经验看，方形或圆形窗口适宜于外轮廓线较长的物体图像，而十字形窗口对有尖顶角状的图像效果好。 2、中值滤波器图图(a)(a)为原图像；图为原图像；图(b)(b)为加椒盐噪声的图像；图为加椒盐噪声的图像；图(c)(c)和图和图
17、 (d)(d)分别分别为为3 33 3、5 55 5模板进行中值滤波的结果。模板进行中值滤波的结果。可见中值滤波法能有效削弱椒盐噪声，且比可见中值滤波法能有效削弱椒盐噪声，且比均值滤波均值滤波更有效，图像更有效，图像中的边缘轮廓比较清晰。中的边缘轮廓比较清晰。 MATLAB实现图像增强主要是针对图像的各种噪声而言的，为了说明滤波方法的用途，需要模拟各种噪声来分析滤波效果。MATLAB的图像处理工具箱提供imnoise函数，可以用该函数给图像添加不同类型的噪声。MATLAB实现该函数的调用格式如下:J=imnoise(I,type,parameters);其中I为加噪声前的图像，J为加噪声后的图
18、像，type为噪声类型。Imnoise函数能够产生5种噪声。imnoise函数支持的噪声类型及参数说明类型参数说明gaussianm,v均值为m,方差为v的高斯噪声localvarv均值为0,方差为v的高斯噪声possion无泊松噪声Salt & pepperd密度为d的淑盐噪声speclev均值为0,方差为v的均匀分布的随机噪声MATLAB实现在MATLAB中可通过调用filter2函数和fspecial函数来实现。filter2：二维线性数字滤波，主要形式为 Y=filter2(B,X),使用矩阵B中的二维滤波器对数据X进行滤波,结果存储在Y中。MATLAB实现Fspecial,产生预定义
19、的滤波器，主要形式为： H=fspecial(type)根据参数type的不同，得到相应的二维滤波器。I1=imread(blood1.tif)I=imnoise(I1,salt & pepper,0.02);imshow(I)K1=filter2(fspecial(average,3),I)/255;K2=filter2(fspecial(average,5),I)/255;K3=filter2(fspecial(average,7),I)/255;figure,imshow(K1);figure,imshow(K2);figure,imshow(K2);例：结果：加有噪声3 x 35 x
20、57 x 7模板尺寸增大消除噪声效果增强图象模糊MATLAB实现在MATLAB中调用medfilter2(A,m,n)来实现二维中值滤波。例子：对受淑盐噪声干扰的图像采用二维中值滤波滤除噪声，窗口的大小分别选择为3、5和7。例：I=imread(eight.tif);imshow(I);J=imnoise(I,gaussian,0,0.02);K1=medfilt2(J，3，3);K2=medfilt2(J，5，5);K3=medfilt2(J，7，7);figure,imshow(K1);figure,imshow(K2);figure,imshow(K2);原始图象噪声图象3 x 35 x
21、 57 x 7窗口越大，细节丢失越多背景：边缘模糊是图象中常出现的质量问题，由此造成的轮廓不清晰，线条不鲜明使图像特征提取、识别和理解难以进行。消减图像模糊，突出目标边界与图像细节的增强方法称为图象锐化。主要技术：微分法。锐化滤波器增强边缘增强边缘增强边缘增强边缘 考察正弦函数 ，它的微分 。微分后频率不变，幅度上升2a倍。微分法 空间频率愈高，幅度增加就愈大。这表明微分是可以加强高频成分的，从而使图象轮廓变清晰。最常用的微分方法是梯度法。 设图像函数为f (x,y)，它在点f(x,y)的梯度 是一个失量，定义为：1、梯度法梯度的方向是f (x,y)在这点变化率最大的方向，幅度（简称梯度）由下
22、式计算。 对数字图像，用差分来近似微分。（1）水平垂直差分法1、梯度法 （2）罗伯茨（Roberts）梯度法1、梯度法罗伯茨梯度算法罗伯茨梯度算法为编程和提高运算速度，在计算精度允许的情况下，采用绝对差分近似：1、梯度法及注：对NxN数字图像，不可能在最后一行(x=N)和最后一列(y=N)像素上计算梯度值。一种补救办法：用前一行(x=N-1)和前一列(y=N-1)对应像素的梯度值。1、梯度法由梯度的计算可知：1、图像中灰度变化较大的边沿区域梯度值大。2、图像中灰度变化平缓区域梯度值小。3、灰度均匀的区域梯度值为零。1、梯度法图像经过梯度运算后只留下灰度值急剧变化的边沿处的点。 二值图像 梯度运
23、算后的图像一旦计算梯度的算法确定，采用什么形式来突出图象的轮廓，确定锐化输出g(x,y)。1、梯度法 直接简单，增强的图像仅显示灰度变化比较陡的边缘轮廓，灰度变化平缓的区域梯度小，呈暗色。 （1）梯度图像直接输出1、梯度法 T：非负阈值。适当选择T ，既突出边缘轮廓，又不会破坏原来变化比较平缓的背景。 （2）加阈值的梯度输出1、梯度法 LG：指定的一个灰度值，它将明显的边缘用一个固定的灰度级来表现，非边缘区域的灰度级保持不变。 （3）背景保留，给边缘规定一个特定的灰度值。1、梯度法将背景用一个固定的灰度值LG表示。便于研究边缘灰度的变化。（4）轮廓保留，给背景规定特定的灰度级1、梯度法 L L
24、G G：指定的轮廓灰度值。L LB B：指定的背景灰度值。将边缘和背景用二值图像表示，便于研究边缘所在的位置。 （5）二值图像输出 在某些场合（字符识别等），只关心每个像素是边缘像素还是非边缘像素。2、 拉普拉斯运算法拉普拉斯算子是二次微分算子，定义为：如果图像的模糊是由扩散现象引起的，可以用下面的表达式来锐化图像。2、 拉普拉斯运算法对数字图像来讲，f(x,y)的二阶偏导数可以表示为：2 拉普拉斯运算法可见数字图像在(x,y)点的拉普拉斯算子，可以由(x,y)点的灰度值减去该点邻域的平均灰度值求得。拉普拉斯算子拉普拉斯算子表示成模板的形式如右图所示，可见如果在图像中的一个较暗的区域中出现了一
25、个亮点，用拉普拉斯运算进行锐化处理后这个亮点变得更亮。在边缘检测中很有用。在实际应用中，常采用小型的模板，然后利用卷积运算来近似梯度，GX，Gy各自使用一个模板。1、梯度法微分法罗伯茨(Roberts)算子Sobel算子Prewitt算子利用利用Soble和和Prewitt算子进行锐化处理算子进行锐化处理I=imread(rice.png);imshow(I);hs=fspecial(sobel);S=imfilter(I,hs);hp=fspecial(prewitt);P=imfilter(I,hp);figure, imshow(S,);figure, imshow(P,);频域滤波可用
26、下述关系式表示：其中 F( u, v)是需要处理的图像 f( x, y)的傅立叶变换，H( u, v)是传递函数， G( u, v)经傅立叶反变换得到变换后的图像g( x, y) 。5.4 图像的频域滤波增强Radius (pixels) % image power 8 95 16 97 32 98 64 99.4 128 99.8频域低通滤波法频域低通滤波增强一般来说，图像的边缘和噪声都对应于傅立叶变换中的高频分量，所以通过频域对一定范围的高频分量的衰减能够达到图像平滑、去除噪声。由于滤除了高频分量，低频信息无损地通过。常用的几种低通滤波器（1）理想(Ideal)低通滤波器 其中D0为截止频
27、率，是个非负的整数。 D(u,v)=(u2+v2)1/2：频率平面原点到点(u,v)的距离。理想低通滤波器转移函数剖面图理想是指小理想是指小于于D0的频率的频率完全不受影完全不受影响的通过，响的通过，而大于而大于D0的的频率则完全频率则完全通不过。通不过。理想低通滤波器转移函数三维图理想滤波器的难处理想低通滤波器说明：说明：虽然在计算机模拟中可以实现，但实际 中无法用电子器件设计出来； 有振铃现象，造成图象不同成 分的模糊，原因是H( u, v)在D0处由1突变 为0，经过傅立叶变换后在空域中将表现 为同心圆的形式。 截止频率越低，滤除噪声越彻底，高频分量损失越严重，图像就越模糊。理想低通滤波
28、所产生的“振铃”现象在2-D图象上表现为一系列同心圆环，圆环半径反比于截断频率。理想低通滤波器的模糊理想低通滤波器的模糊（2）巴特沃斯低通滤波器物理上可以实现的一种低通滤波器是巴特沃斯低通滤波器。阶数为n,截断频率为D0的巴特沃斯滤波器的转移函数为：1阶巴特沃思低通滤波器转移函数剖面图低通巴特低通巴特沃斯滤波沃斯滤波器在高低器在高低频率间的频率间的过渡比较过渡比较光滑，振光滑，振铃效应不铃效应不明显。明显。巴特沃斯低通滤波器一般情况下，常取使H(u,v)最大值降到某个百分比的频率为截断频率。当D(u,v)=D0时，H(u,v)=0.5。另一个常用的截断频率值是使H降到最大值的 的频率。频域低通
29、滤波消除虚假轮廓当图像由于量化不足产生虚假轮廓时可用低通滤波器进行平滑以改进图像质量。（3）指数低通滤波器D(u,v)=D0，H(u,v)降 为 最 大 值 的 。n为阶数。3阶指数低通滤波器转移函数剖面图比较平滑的过渡带，振铃现象不明显，和巴特沃斯相比，具有更快的衰减，图像稍微模糊一些。1阶指数形低通滤波器转移函数剖面图（4）梯形低通滤波器D0:截止频率， D1:任选， D0 D1梯形低通滤波器转移函数剖面图梯形低通滤波器转移函数三维图三种低通滤波器的比较（a）有噪声的图像（b）巴特沃斯低通滤波器处理后的图像（c）梯形滤波器处理过的图像（d）指数低通滤波器处理的图像都能消除噪声，产生的振铃现
30、象都少，指数低通滤波滤去的高频分量最多，图像最模糊，梯形滤去的高频分量少，图像最清晰。2、频域高通滤波衰减或抑制低频分量，保留高频分量的滤波。（1）理想高通滤波器理想高通滤波器转移函数剖面图（2）巴特沃思高通滤波器3阶巴特沃思高通滤波器转移函数剖面图（3）指数形高通滤波器3阶指数形高通滤波器转移函数剖面图（4）梯形高通滤波器梯形高通滤波器转移函数剖面图D1D0高通滤波增强示例(a)模糊的图像(b)阶数为1的巴特沃斯高通滤波器进行处理的结果，区域的边界得到了明显的增强，由于低频分量大部分被滤除，所以图中原来比较平滑区域内部的灰度动态范围被压缩，图像昏暗(c)高通滤波增强的结果，不仅边缘增强，层次
31、也比较丰富。MATLAB实现在MATLAB中，不提供频域增强所使用的滤波器，需要自定义这些滤波器对图象进行滤波操作。例子：I1=imread(bacteria.tif);figure,imshow(I1);f=double(I1); %matlab不支持图象的无符号整型的计算g=fft2(f); %傅立叶变换g=fftshift(g); %转换数据矩阵N1,N2=size(g);n=2; %二阶巴特沃斯低通滤波器d0=5;n1=fix(N1/2);n2=fix(N2/2);例子：for i=1:N1 for j=1:N2 d=sqrt(i-n1)2+(j-n2)2); if d=0 h=0;
32、else h=1/(1+(d0/d)(2*n);%滤波器的传递函数 end result(i,j)=h*g(i,j); endend例子：result=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2);figure,imshow(X3)例子：图象比较黑暗，很多细节都看不清楚。这是因为图象的大部分能量集中在低频区域，经高频滤波后，虽然区域边界得到增强，但图象低频部分被滤除，动态范围被压缩，所以图象比较黑暗。同态滤波(Homomorphic filtering)若物体受到照度明暗不匀的时候，图象上对应照度暗的部分，其细节就较难辨别。同态滤波的
33、目的：消除不均匀照度的影响而又不损失图象细节。它是一种在频域中同时将图象的灰度范围进行压缩和将图象的对比度进行增强的方法。同态滤波依据：图象的灰度由照射分量和反射分量合成。 照射分量，在空间上通常均具有缓慢变化的性质，其频谱落在空间低频区域； 反射分量，反映图象内容，随图象细节不同在空间上作快速变化，频谱落在空间高频区域。步骤：(1)：取对数(2): 傅立叶变换步骤：(3)确定H(u,v)(同态滤波函数)。压缩i(x,y)分量的变化范围，削弱I(u,v)，增强r(x,y)分量的对比度，提升R (u,v)，增强细节。这个特性表明我们可以设计一个对傅立叶变换的高频和低频分量影响不同的滤波函数H(u
34、,v).同态滤波确定H(u,v)rLrH步骤：(4) 反变换到空间域 步骤：(5) 取指数lnFFTH(u,v)FFT-1expf(x,y)g(x,y)同态滤波流程图彩色增强图像的色彩在医学图像分析和应用中起着重要的作用。CT、 MR等扫描图像本身是没有颜色的，临床扫描的医学图像多是灰度图像，虽然人眼所分辨的灰度级只有二十左右，但是对不同亮度和色调的彩色图像则能达到几百甚至几千。彩色增强伪彩色增强假彩色增强医学上往往用人工方法给这些图像赋予一些颜色，将灰度图像转换为彩色图像以增强人们对图像的分辨和理解。伪彩色(pseudocolor)增强伪伪彩彩色色增增强强：对原来灰度图像中不同灰度值的区域赋
35、予不同的颜色，把人眼不能区分的微小的灰度差别显示为明显的色彩差异，便于提取有用的信息。因为原图并没有颜色，所以人工赋予的颜色常称为伪彩色。亮度切割技术 (灰度分层法)灰度级彩色变换（变换合成法）频域滤波法x, yl1L红色蓝色一、亮度切割设一幅黑白图像f(x,y)，在某一个灰度级如f(x,y)=l1上设置一个平行于XY平面的切割面。亮度切割把图像的灰度级从黑到白分用M个切割平 面 去 切 割 ， 得 到 M个 区 间Li,i=1,2,.M，给每个区间指定一种颜色Ci, 这样，便可以把一幅灰度图像变成一幅彩色图像。 甲状腺的单色图像MATLAB实现I = imread(ngc4024m.tif)
36、;X = grayslice(I,16);imshow(I)figure, imshow(X,jet(16)MATLAB实现jet(M), a variant of HSV(M), is an M-by-3 matrix containing the default colormap used by CONTOUR, SURF and PCOLOR. The colors begin with dark blue, range through shades of blue, cyan, green, yellow and red, and end with dark red.See also
37、hsv, hot, pink, flag, colormap例子：伪彩色处理（二）灰度级彩色变换对原始图中象素的灰度值经过红、绿、蓝三种不同的变换器，然后将输出分别去控制彩色显示器的红、绿、蓝电子枪，便可以在彩色显示器的屏幕上合成一幅彩色图象。对于同一个灰度级而言，由于变换器对其实施不同的变换，因而三个变换器的输出不同，从而在彩色显像管里合成某一种彩色，也称变换合成法。伪彩色处理灰度变换法示意图绿色变换f(x,y)红色变换蓝色变换红枪绿枪蓝枪IR(x,y)IG(x,y)IB(x,y)典型灰度变换曲线LLL/43L/4L/20GBR频域滤波法频域滤波法基本思想：根据图像中各区域的不同频率含量给区
38、域赋予不同的颜色。原理：首先把黑白图像经过傅里叶变换到频率域，在频率域内用三个不同传递特性的滤波器将其分离成三个独立分量，从三个不同频率的滤波器输出的信号再经过傅里叶反变换，然后对三幅图像作后期处理，最后把他们作为三基色分量分别加到彩色显示器的红、绿、蓝显示通道。频域滤波法 f (x, y)傅立叶反变傅立叶反变换换傅立叶反变傅立叶反变换换傅立叶反变傅立叶反变换换傅傅立立叶叶变变换换滤波器一滤波器一滤波器二滤波器二滤波器三滤波器三后期处理后期处理后期处理后期处理后期处理后期处理彩彩色色显显示示器器 假彩色false color增强假彩色增强：把真实的自然彩色图象或同一景物的多光谱图象，通过映射函
39、数变换成新的三基色分量，使增强图象中各目标呈现出与原图象中不同的颜色。 假彩色增强目的：（1）使感兴趣的目标呈现奇异的彩色或置于奇特的彩色环境中，比本色更引人注目。（2）适应人眼对颜色的灵敏度，提高鉴别能力。 人脑脑叶的假彩色显示 各种颜色区分不同的脑叶假彩色处理如人眼对绿色亮度响应最灵敏，可把细小物体映射成绿色。人眼对蓝光的强弱对比灵敏度最大。可把细节丰富的物体映射成深浅与亮度不一的蓝色。假彩色处理假彩色处理假彩色的映射可定义为：其 中 Rf,Gf,Bf为 原 基 色 分 量 ，Rg,Gg,Bg为假彩色三基色分量，转移函数假彩色处理例：按下列关系转化例：按下列关系转化这这样样，原原图图中中的
40、的红红色色变变成成蓝蓝色色，绿绿色色变变成红色，蓝色变成绿色。成红色，蓝色变成绿色。假彩色处理用计算机上口红原图假彩色处理给舌头上口红？实验三：图像增强实验三：图像增强1 实验目的 熟悉并学会使用MATLAB中图像增强的相关函数。 了解图像增强的方法，噪声去除的方法和去噪的效果。实验：图象增强实验：图象增强2 实验内容 利用MATLAB图像处理工具箱读和显示图像文件。 对图像增加不同种类的噪声。 采用不同的方法去除噪声。实验：图象增强实验：图象增强3 实验步骤 读入一幅图像。 对图像加入噪声。 选择不同的去噪方法，如邻域平均、中值滤波等方法，对图像进行增强处理。 改变噪声的种类，重新按步骤 的要求进行处理。分析各种去噪方法对不同噪声图像处理的结果。实验：图象增强实验：图象增强4 实验报告要求 说明利用MATLAB图像处理工具箱进行图像的读、显示、加噪、去噪处理的方法。 记录读图像、加噪图像、去噪处理后的图像。 列出上述图像处理的程序。回答思考题心得特会实验：图象增强实验：图象增强5 预习要求 了解MATLAB图像处理工具箱的功能。 了解图像去噪的方法。实验：图象增强实验：图象增强6 思考题比较同一种噪声，不同去噪方法处理的效果。 比较同一种去噪方法，针对不同噪声处理的效果。
