医学影像图像处理2.ppt

第2章 医学影像图像数字化及其运算 图像数字化 图像数字化是将一幅画面转化成计算机能处理的形式——数字图像的过程。 模拟图像 数字图像 正方形点阵 具体来说，就是把一幅图画分割成如图所示的一个个小区域（像元或像素），并将各小区域 灰度用整数来表示，形成一幅数字图像。它包括采样和量化两个过程。小区域的位置和灰度就是像素的属性。 彩色图的灰度直方图 灰度图的灰度直方图 灰度图具有二峰性 具有二峰性的灰度图的2值化 直方图均衡化 直方图均衡化实质上是减少图象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象细节比较重要，则需采用局部区域直方图均衡。 ? 医学图像灰度直方图均衡化 加法运算的定义 C(x,y) = A(x,y) + B(x,y) 主要应用举例 去除“叠加性”噪音 生成图象叠加效果 去除“叠加性”噪音 对于原图象f(x,y),有一个噪音图象集 { gi(x,y) } i =1,2,...M 其中：gi(x,y) = f(x,y) + h(x,y)i M个图象的均值定义为： g(x,y) = 1/M (g0(x,y)+g1(x,y)+…+ gM(x,y)) 当：噪音h(x,y)i为互不相关，且均值为0时， 上述图象均值将降低噪音的影响。 生成图象叠加效果 对于两个图象f(x,y)和h(x,y)的均值有： g(x,y) = 1/2f(x,y) + 1/2h(x,y) 会得到二次暴光的效果。推广这个公式为： g(x,y) = αf(x,y) + βh(x,y) 其中α+β= 1 我们可以得到各种图象合成的效果，也可以用于两张图片的衔接 减法的定义 C(x,y) = A(x,y) - B(x,y) 主要应用举例 去除不需要的叠加性图案 检测同一场景两幅图象之间的变化 计算物体边界的梯度 去除不需要的叠加性图案 设：背景图象b(x,y)，前景背景混合图象f(x,y) g(x,y) = f(x,y) – b(x,y) g(x,y) 为去除了背景的图象。 电视制作的蓝屏技术就基于此 检测同一场景两幅图象之间的变化 设： 时间1的图象为T1(x,y)， 时间2的图象为T2(x,y) g(x,y) = T2 (x,y) - T1(x,y) = - 计算物体边界的梯度 在一个图象内，寻找边缘时，梯度幅度（描绘变化陡峭程度的量）的近似计算 |Vf(x,y)| = max(f(x,y)–f(x+1,y) ,f(x,y)–f(x,y+1)) 乘法的定义 C(x,y) = A(x,y) * B(x,y) 主要应用举例 图象的局部显示 用二值蒙板图象与原图象做乘法 ．一幅图像对应唯一的灰度直方图，反之不成立。不同的图像可对应相同的直方图。下图给出了一个不同的图像具有相同直方图的例子。 ．一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。 图像的直方图H(i) = 区域Ⅰ的直方图H1(i) + 区域Ⅱ的直方图H2(i) 三、直方图的应用 1 . 数字化参数（判断量化是否恰当） 　　 直方图给出了一个简单可见的指示，用来判断一幅图象是否合理的利用了全部被允许的灰度级范围。一般一幅图应该利用全部或几乎全部可能的灰度级，否则等于增加了量化间隔。丢失的信息将不能恢复。 (a) 恰当量化 (b)未能有效利用动态范围 (c)超过了动态范围 ２. 边界阈值选取（确定图像二值化的阈值） 　　 假设某图象的灰度直方图具有 二峰性，则表明这个图象的较亮的区域和较暗的区域可以较好地分离，以这一点为阈值点，可以得到好的２值处理的效果。 3.当物体部分的灰度值比其它部分灰度值大时，可利用直方图统计图像中物体的面积。 A= 式中n为图像像素总数， pi是图像灰度级为i的像素出现的频率。 4. 计算图像信息量H（熵） Pi是图像灰度级为i的像素出现的频率，图像的灰度范围在[0，L-1]。 点运算：线性运算，非线性运算 代数运算：加法、减法、乘法、除法 逻辑运算：求反、异或、或、与 图像的空域变换： 几何变换 非几何变换 1，a=1,b=0 2，a0 3，|a|1 4，|a|1 5，b0 6，b0 例：设图象有64*64=4096个象素，有8个灰度级