医学图像增强处理技术分析毕业论文(编辑修改稿)

医学图像增强处理技术分析毕业论文(编辑修改稿)内容摘要：

为灰色值。 RGB 图像 RGB 图像即真彩色图像，是指每个图象的信息由 R(红 )、 G（绿）、 B（蓝）三种原色构成的彩色图像。 各种图像在其产生、收集、转化、传输的过程中，会或多或少的受到各种干扰因素的影响而形成不需要的噪声，这些存在使得图像的质量恶化，会影响到图像处理过程各个环节的输出及其图像 分析效果。 因此，对图像噪声的认识、去噪处理方法的分析显得十分重要。 噪声的产生与分类 根据噪声与信号的关系，可分为加性噪声与乘性噪声： 加性噪声一般是指信号在某个环节与噪声形成了相加关系，噪声的存在不以信号的产生或是转移而改变，加性噪声与图像信号 g(x,y)无关，含噪图像 f(x,y)可以表示成 f(x,y)=g(x,y)+n(x,y).信道噪声以及扫描图像时产生的噪声都是加性噪声。 在实际图像处理过程中，只能是减小加性噪声的影响，而不能完全消除加性噪声。 本科毕业论文 － 9 － 乘性噪声一般是由信道不理想而造成的，它们与信号 成相乘关系，信号在噪声也在，信号消失，噪声也消失。 如果噪声和信号成正比，则含噪图像 f（ x,y）可以表示成： f(x,y)=g(x,y)+n(x,y)*g(x,y) 根据噪声所服从的分布可以分为高斯噪声、泊松噪声和颗粒噪声等： （ 1）高斯噪声是一类随机噪声，是最为普遍的一类噪声。 含高斯噪声的图像，往往对比度较低、层次感比较差，并且图像边缘显得十分模糊。 （ 2）泊松分布噪声一般可以认为是椒盐噪声，椒盐噪声是指使某个像素或某个区域表现出较大或较小灰度值的噪声。 （ 3）颗粒噪声可以认为是一种白噪声过程，在密度域中是高 斯分布加性白噪声，而在强度域中为乘性噪声。 图像噪声的克服方法 针对含不同性质的噪声污染的图像应该采用不同的图像处理方法，一般来说，图像滤波方法的选择取决于噪声和图像的关系。 图像去噪增强一般分为空域滤波法和频域滤波法。 空域滤波法是直接针对图像的组成要素 — 像素进行处理的。 而频域滤波法是指将图像变换至频率域再对图像中的变换系数进行滤波处理，得到适合变换系数后，再将其进行逆变换得到滤波后的图像。 第三章 常用的几种医学图像增强方法 本科毕业论文 － 10 － 空间域处理 空间域指图像平面本身，空间域图像处理方 法直接以图像中的像素操作为基础。 这里研究的空间域处理可由下式表示： g(x,y)=T[f(x,y)] 其中， f(x,y)是输入图像， g(x,y)是处理后的图像， T 是点（ x,y）的邻域上定义的关于 f 的一种算子 对空间域图像的操作是基于对图像每一个基本元素 — 像素进行的，对于每一个像素上原始图像灰度级与处理后的输出图像的灰度级是映射的，空间域处理的式子中，算子 T 可以有这样一种表示关系： s=T(r) 其 中， r、 s 分别表示变量，即 g 和 f 在（ x， y）处的灰度。 灰度变换法 灰度变换法是当前图像增强的最简单的手段，它使图像的动态范围加大、图像的对比度有进一步扩展，从而图像能够变得更加清晰，特征更加明显。 技术实现时，灰度变换法对原始图像的基本单位 — 像素值进行重新分配，将图像中较暗的像素值增大，提高图像的对比度。 利用图像灰度级的分布可以看出图像灰度级分布的特点。 如果图像像素集中在低级灰度值的范围内，图像就会显得较暗 ,图像像素集中于高级灰度值的范围内，图像会比较明亮。 灰度变换是通过调节直方图的灰度分布范 围而改善图像的质量。 灰度变换的常用方法有直方图灰度变换、直方图均衡化方法 . 常见的一些基本的灰度变换函数： ： s=L1r， 使用这种方法反转一幅图像的灰度级。 该类型处理比较适合于增强以黑色面积在尺寸上占主导地位的图片，可以凸显出图片中暗区域中的白色或是灰色细节。 Matlab 中用于图像灰度变换的函数是： 本科毕业论文 － 11 － g=imadjust(f,[low_in high_in],[ low_out high_out],gamma) 下面是在 matlab 中对一幅脑瘤医学影像进行图像灰度反转处理 所的到的结果，反转过后的图像中，可以较明显的看到脑颅中的病变部分即图片黑块部分被显示了出来。 两幅图像的内容都是一致的，但观看经灰度处理过后图像，分析病症会容易很多。 ： )1log(s rc  其中 c 是一个常数，假设 r≥0. 该对数变换可以将输入图像中处在低窄范围内的灰度值转化到较宽的广度灰度值范围内，从而输出改善了得处理图像；而对泛宽范围内分布的灰度值图像，该变换能实现将其灰度值高宽范围降低的作用。 实际处理当中，常常用该种变换来扩展图像中暗像素的值， 同时压缩更高级灰度级的值。 该变换的主要应用是压缩动态范围，以期达到改善的图像视觉效果。 Matlab 中，在进行对数变换时，使压缩值出现在显示的完整范围内，对 8比特来说，可以使用语句： Gs=im2unit8(mat2gray(g))。 通过 mat2gray 函数将灰度值限定在 [0,1],im2unit8 将灰度值限定在。