实战演练篇.ppt

（2）小波去噪方法 小波去噪实际上是特征提取和低通滤波功能的综合 小波去噪方法大体可以分成小波萎缩法、投影方法等 小波萎缩法是目前研究最为广泛的方法 可分成如下两类： 第1类是阈值萎缩 第2类方法称为比例压缩 直方图阈值双峰法 选择双峰间低谷处所对应的灰度值为阈值，将两个区域分离。这种方法适用于目标和背景灰度差较大，直方图有明显谷底的情况。 具体实现的方法： 先做图像的灰度直方图 再取谷底点所对应的灰度值作为阈值 然后根据该阈值进行分割 通过对投影曲线的分析分割点在整幅图像中的大致位置，通过求极大值点确定分割点的具体坐标。 图1原始图中可以看出此图中有六个完整的管。 为了将它们从整幅图像中一一分割出来，结合其投影特征的特点，在此分为 两大步骤： 实战演练 1）首先从图5水平投影图中可以看出，上中下三层物体具有较明显的分界线 图5灰度直方图 实战演练 抓住图像的这个特点，利用定位的结果，将图像第一层分割来，由图6表示；由直方图5可以明显的看出有三排管子。而第二牌管子所在的纵坐标为。所以把第二排管子分割出来了。到此分割任务只完成了一半，利用第一步分割的结果，结合一维投影定位的方法，对图6进行上述分析； 图6第一层钢管 实战演练 2）对图6进行垂直投影，如图7所示， 图7灰度直方图 实战演练 分析这条一维投影曲线的特点，利用求局部极大值的方法确定图6的分割点坐标，结合 MATLAB图像显示的方法，可将图6分割成了三个完整的圆形图像，其中第二个圆的横坐标为显示出来为图8，是第二排的第二个管子，第三排的管子通过此方法都可以一一分割出来，在此不予以演示。 图8二值图像分割出来的钢管 实战演练 3）图像的还原。 有了得出每个管子的坐标后，就可以通过MATLAB图像显示的方法来截取原图像上面的目标物体了。图9为所截出的目标图像。至此完成了将多目标图像分割成多个单目标图像的全过程。 图9被分割出来的钢管 实战演练 实战研究之四 1.课题题目 图像的特征提取 2.任务布置 （1）了解并掌握常用的图像特征提取方法； （2）理解常用的图像特征提取方法的原理； （3）在Windows平台下通过软件，实现图像的特征提取 课题要求： 三人一组，分工协作；一周时间内完成；课题报告一份 3.完成步骤 （1）查阅相关资料总结图像特征提取技术的发展状况； （2）对常用的特征提取方法进行深入研究； （3）掌握和比较图像图像特征提取方法中各种典型方法的原理及优缺点； （4）用软件编程实现图像特征提取； （5）撰写报告。 4.自我阐述 课题小组根据分工和研究步骤分别阐述，时间15分钟，老师及其他学生提问5分钟。 实战演练 5.实例讲解 脑CT图像特征提取 脑部疾病相对较多，为了能较好的对图像分析，我们针对一种疾病进行其正异常的判断，本文图像特征是针对脑CT图像中某一层图像进行提取及分类的。 医学图像的特征提取包括灰度（强度）特征；几何特征和纹理特征。脑部图像有明显的对成性，分别从粗糙（和细致两方面提取了其对称特征。 实战演练 灰度特征 均值： 方差： 偏度： 峰值： 由于头部图像具有对称性，在分块提取特征后，根据对提取上面的四个的特征的欧式距离作为新特征，相似测度是匹配是的一种计算方法，因此体现对称性这个特征。 实战演练 几何特征 NMI（转动惯量）： 根据图像的质心和转动惯量的定义，可给出灰度图像绕质心的归一化转动惯量即NMI 为图像质量，代表图像所有灰度值之和 经验证，NMI具有良好的缩放、旋转和平移不变性，因此可以作为物体的识别特征。 实战演练 纹理特征 能量（角二阶矩）、反差（主对角线惯性矩）、熵、逆差等特征 面积A： 周长L： 基于以上的特征值计算公式，能算出对本课题要用到的脑病变特征参数值（病变部位的面积、周长）利于对诊断的帮助. 实战演练 脑CT图像的特征提取结果 (a) 原始图像 (b)边缘提取效果图 提示：1、开运算 2、闭运算 3、边缘提取 脑瘤（小白圈）L(周长) = 42.1233、A(面积) = 39.1235。 实战演练 实战演练之一 1.课题题目 基于模糊集理论的图像增强算法研究 2.任务布置 （1）掌握数字图像的预处理方法； （2）掌握图像增强的基本概念和常用算法； （3）学习掌