数字图像处理文献.docVIP

医 学 图 像 增 强 处 理 摘要：由于数字化的医学图像在成像,处理过程中和普通数字图像在形式上同样具有成像模糊,受噪声干扰的特点,影响图像的质量和病灶的识别,从而直接影响对患者的治疗效果。本文以医学图像(主要为X光、CT、B超等医用透视图像)为主要的研究对象，研究图像增强技术在医学图像处理领域中的应用。本文通过对多种图像增强方法的图像处理效果进行了比较和验证，最后总结出了针对医学图像的各项特点最有效的图像增强处理方法。 关键词：医学图像处理；图像增强；有效方法； 1 引言 近年来，随着信息时代特别是数字时代的来临数字医学影像成为医生诊断和治疗的重要辅助手段。医学图像处理技术作为医学成像技术的发展基础，带动着现代医学诊断产生着深刻的变革。图像增强技术在医学数字图像的定量、定性分析中扮演着重要的角色，它直接影响到后续的处理与分析工作。图像处理在医学领域有着重要的作用，图像增强又是图像处理中的重点，包括线性增强、自动增强、直方图均衡化、图像平滑、图像锐化。本论文针对医学数字图像的特点，利用图像增强处理技术，对其进行加工以得到对诊断应用来说视觉效果更好、更有用的图像。具体包括以下几个方面：第一，系统的介绍了医学数字图像的发展和图像增强技术应用于医学图像的重要性，说明了本文的现实意义。第二，针对图像增强技术的几种技术，如低通滤波、高通滤波、中值滤波等做了详细的阐述，并且就每种增强方法的实现效果一一作了比较和结果分析。 2 医学图像增强处理 2.1研究背景 图像增强是一种基本的图像处理技术，增强的目的是对图像进行加工，以得到对医务工作者来说视觉效果更好，更易于诊断的图像。图像增强根据图像的模糊情况采用了各种特殊的技术突出图像整体或局部特征，常用的图像增强技术有灰度变换、直方图处理、平滑滤波、中值滤波、梯度增强、拉普拉斯增强以及频率域的高通低通滤波等，这些算法运算量大、算术复杂、处理速度低。针对这些问题，我们可以在MATLAB环境中，利用其提供的图像处理工具箱，简单快捷地得到统计数据，同时又可得到直观图示。医学图像经过系统的处理，可以提高图像本身的质量，从而提高检测的正确率。例如：超声图像以图像分割为主要目的，为的是实现生物组织分割，但是前提是图像的清晰度必须达到一定水平。其他诊断设备也存在这样的问题。为了解决上述问题，首先我们应避免在处理过程中受到干扰的影响，利用图像增强技术对图像进行预处理，得到更好的图像，从而提高精度，抓住主要环节，改善图像的效果。提出新的方法为临床诊断提供更多的信息和手段。近年来，不少的研究者针对医学图像的特点提出了许多新的图像增强技术，试图达到改善医学图像的视觉效果。一些经典的图像增强技术已经在医学领域得到了应用，取得了不错的效果，但都存在着一定的不足，有些方法还会造成医学图像的噪声增强，损失医学图像的细节信息，因此医学图像也和传统的图像增强方法一样都是在图像增强与抑制噪声、少丢失图像细节的矛盾中寻求平衡。如何解决这些矛盾并使医学图像的视觉效果得到改善，成为医学图像增强技术发展的方向。 2.2主要研究成果及比较 随着数字图像技术的发展，图像增强处理在医学中的重要作用日益显著，图像增强方法也层出不穷，其主要处理方法如下所示。 2.2.1医学图像直方图处理的图像增强系统 直方图均衡化处理图，可以使图像对比度增强，保留原图像的所有信息，同时突出诊断要求的图像细节，可见直方图均衡化在处理医用透视图像中的应用十分有效的。例外图像进行直方图规定化处理，可以使图像的灰度间距拉大了，图像不仅变得清晰，细节突出，而且可以通过改变其直方图的形状，避免图像的过增强，明显优于直方图均衡化，但与此同时经过直方图规定化后的图像颗粒感也明显增强了，由规定化的优点，可以看到其可以应用在对清晰度要求不是很高的医学图像中。 2.2.2.医学图像灰度处理的图像增强系统 通过实验可以发现在图像清晰、噪声较少的前提下，对医学图像进行灰度变换，可以有效的提高医学图像的可读性，即通过处理可以对医学图像中的感兴趣的区域进行增强，达到病灶显示清晰，提高正确诊断率，在医学图像处理应用中同样是有重要使用价值的。 2.2.3医学图像处理的空域低通滤波系统 邻域平均法的算法简单，计算速度快，能有力的抑制椒盐噪声，对高斯噪声、斑点噪声消除效果较好。但是都出现了因平均作用而引起的模糊现象，而且模糊程度与邻域半径成正比。而维纳滤波后，图像噪声减少，图像质量提高，并且与均值滤波相比，更好的保留了图像的边缘信息。邻域滤波适合清晰度要求不是很高的X光图像，维纳滤波较适合CT图像和B超图像。 2.2.4医学图像处理的空域高通滤波系统 Sobel和Prewitt对X光图像的增强效果非常明显，边缘清晰，图像信息比较完整的保留下来，比较适合医学透视图像，Unsharp算法