第3章医学图像增强.pptVIP

第3章 医学图像增强 基本增强技术 图像是信息可视化的重要手段。一幅医学图像以直观的形式给医生提供辅助诊断和治疗的信息。特别是，有经验的放射专家和临床医生能从这些图像中得到很多有用的信息。 但是，从扫描设备出来的原始图像由于受到成像设备和获取条件等多种因素的影响，可能出现图像质量的退化，甚至伪迹。即使是高质量的图像，在大多数情况下，也很难用肉眼直接得出有用的诊断。 不同能力和背景的人对同一幅医学图像往往会得出不同的结果来。要想对图像有定量的评估就更是不可能的。 因此，用计算机对医学图像做后处理，首要的任务就是对获取的医学图像进行增强信噪比的工作。即滤除图像的噪声和干扰，突出感性趣对象区域或边缘从而为进一步分析和计算奠定基础，从图像得到定量和更深刻的信息。 本章介绍一些基本的图像增强技术，包括直接对像素及其近邻操作的各种卷积算子、局部算子。这些技术是独立于被处理图像的工具型增强技术。 反之如果从被处理图像本身的状态和特点出发，使用适配图像滤波就更有效。如果二者兼顾，即把图像的噪声特性与滤波工具特点结合起来就有适配模板滤波技术。 对于具有高度冗余特性的离散二进小波系数适当的调节也能够实现图像增强的目的。 3.1 设备的非线性特性校正 通常，作为图像输出设备的监视器或输出打印装置自身的非线性灰度特性都会影响图像输出，这种效果可以用下式表示： 其中， 是真实灰度图像， C(·)是显示系统的非线性算子。 为了克服这种不良影响，须对 做逆变换校正，即： 其中，T(·)是非线性校正算子。 实际上要找到这样的变换是很难的。一般可以通过使用一个已知的覆盖整个灰级的线性灰度等级的图像对系统做测试，依据得到的图像对新获取的图像进行校正。例如，有的CRT显示具有对数特性。实际上要得到好的图像效果，还必须考虑人眼视觉机制。 是实际显示图像。 Gamma修正 照相胶片的曝光函数 横轴：对数光强B 纵轴：胶片密度D 线性段的斜率 Gamma曲线 3.2 像素灰度变换 当图像动态范围明显超出显示系统的情况，或反之，应对图像灰度做一变换。使感兴趣的灰度区间跨越显示设备的整个动态范围。例如，若f1和f2是感兴趣灰度区间上下限。则可做如下换算： 这里，e是一幅中间图像，g是输出图像，fmax是最大显示灰度。 非线性灰度换算 3.3 直方图均衡 直方图均衡的作用是将图像灰度信息分布得尽可能均匀。本质上是一个直方图的变换，即将输入图像的直方图映射成为一个最大平展的直方图。具体的做法是，首先从图像的直方图计算归一化累加直方图。 具有最均匀直方图的增强图像可由下式计算： 图(a)是原始脑图像，对应直方图（图 (b)）中灰度分布很不均匀；图(c)是归一化累加直方图。图(d)和图(e)是增强后的图像与直方图；图(f)是增强后的归一化累加直方图，接近一条直线。经直方图均衡化处理后MRI脑图像中的细节明显得到增强。 3.4 局部区域直方图均衡 将整个图像直方图均衡化的概念应用于小块、彼此重叠的局部图像区域是一种非常有效的图像增强方法。这是一种非线性运算，有利于观察图像的细节。 局部区域直方图定义为 局部区域累加直方图： 相应均衡化后输出图像 图(a)是口腔内牙齿图像，图(b)是经局部区域直方图均衡化处理过的图像，可以看出该图像是有非常高的对比度，反映出许多细部结构信息。 使用的核尺寸为K=L=15，即核大小为31?31。局部区域直方图均衡化计算量十分大。 由于运算是非线性及高度非单调性，因此，结果图像仅用于分析某些特征细节，而无法对像素灰度定量测量。因为结果图像的像素灰度与邻域特性密切相关，即在图像不同位置上同一像素灰度可能有完全不同的变换方式，即映射成不同的灰度值。 左面两幅图像的灰度剖面 3.5 空间滤波器 线性滤波器 均值滤波 (Mean Filtering) 图像与尺度为 (2K+1)?(2L+1)核的卷积，核的元素值为总元素个数的倒数，例如，当K=L=1时， 均值滤波对噪声有平滑作用，但代价是牺牲图像的边缘的锐度。核的大小对成功滤波极为重要。小于核尺寸的图像细节会明显受到抑制，而大于核尺寸的图像细节受影响较小。 非线性滤波器中值滤波 (Median Filtering) 中值滤波是一种常用的抑制噪声的非线性方法，它不是将图像与核系数卷积，而是在核框架的每个位置上（即将核的中心与待处理的图像像素对齐），输出的像素灰度为该核框架范围下图像所有像素灰度的中位数。 一般说来，中