北京交通大学医学电子总复习.ppt

第一，对 f(x,y) 的每一行进行检测，产生的图像的灰度将遵循如下规则 (7—1) 第二，对 f(x,y) 的每一列进行检测，产生的图像的灰度将遵循下述规则 (7—2) 为了得到边缘图像，可采用下述关系 （7—3） 在分割中的最佳阈值 准则：错分概率最小。 证明：一系列的假设。 物体占图像总面积的比为 ，背景占总面积的比为 ，所以这幅图像总的灰度级概率为 (7—7) 假设对图像设置一阈值 T ，把背景错归为物体点的概率为 ，把物体点错归为背景的概率为 ， 总的错分概率为 (7—10) 要求得式(8—10)的最小阈值，可将上式对 t 微分，并令其结果为0，则得到 (7—11) 因为 (7—12) (7—13) 代入式(8—11)，并取对数 （7—14) 或者 （7—15) 由这个二次方程可以求解出 t 值。如果 ， ，那么 (7—16) 这就是最佳门限 点样板的例子如图7—2所示。下面用一幅具有恒定强度背景的图像来讨论。 1）、点样板 8.1.2 样板匹配 -1 -1 -1 -1 8 -1 -1 -1 -1 图7—2 点样板 假定小 块 之 间 的 距 离 大 于 ，这里 、 分别是在 x 和 y 方向的取样距离，用点样板的检测步骤如下： 样板中心（标号为8）沿着图像从一个像素移到另一个像素，在每一个位置上，把处在样板内的图像的每一点的值乘以样板的相应方格中指示的数字，然后把结果相加。 如果在样板区域内所有图像的像素有同样的值，则其和为零。另一方面，如果样板中心位于一个小块的点上，则其和不为零。 例如，设 代表3×3模板的权，并使 为模板内各像素的灰度值。从上述方法来看，应求两个矢量的积，即： (7—24) 设置一阈值 T ，如果 (7—27) 我们认为小块已检测出来了。这个步骤可很容易地推广到n×n大小的样板，不过此时要处理 n2 维矢量。 图7—3 线样板 设 是图7—3中四个样板的权值组成的九维矢量。与点样板的操作步骤一样，在图像中的任一点上，线样板的各个响应为 ，这 里 i =1、2、3、4。 此处 X 是样板面积内九个像素形成的矢量。给定一个特定的 X ，希望能确定在讨论问题的区域与四个线样板中的哪一个有最相近的匹配。如果第 i 个样板响应最大，则可以断定 X 和第 i 个样板最相近。 换言之，如果对所有的 j 值，除 j=i 外，有： (7—28) 就 可 以 说 X 和 第 i 个 样 板 最 接近 。 如果 ， j=2、3、4，可以断定 X 代表的区域有水平线的性质。 对于边缘检测来说也同样遵循上述原理。通常采用的方法是执行某种形式的二维导数。类似于离散梯度计算，考虑３×３大小的模板，如图7—4所示。 图7—4 3 3样板 考虑３×３的图像区域， 及 分别用下式表示 (7—29) (7—30) 采用绝对值的一种定义为 在 点的梯度为 (7—31) (7—32) 梯度模板如图7—5所示。 图7—5 梯度样板 边缘检测也可以表示成矢量，其形式与线样板检测相同。如果 X 代表所讨论的图像区域，则： (7—33) (7—34) 这里 ， 是图7—5中的两个样板矢量。 分别代表它们的转置。 这样，梯度公式(7—31)和式(7—32)变为式(7—35)和式(7—36)的形式。 (7—35) (7—36) 图7—6 X向单位矢量 的投影 和 项分别等于在相应矢量 和 上 X 的投影。对于 来说 (7—37) 这里 是两个矢量间的夹角。 因为 ，因此有 (7—38) 这就是 在 上的投影，这种情况如图7—6所示。对 来说，亦然。 衰减后的强度 辐射强度 衰减系数 体素厚度 假如一条直线上有n个体素， 第一个体素的衰减为: 第二个体素衰减为： 对于第 n 个体素有： 显然： 即：  一般情况探测器只能测到 ，而不能测到 ，因此