第4次课医学图像增强技术试编.pptx

医 学 图 像 处 理Medical Image Processing 陈家益 (beyond38@163.com) 广东医学院 信息工程学院 计算机科学教研室 主要内容： 3.4 医学图像的平滑 3.2 图像的点运算及灰度变换 3.3 直方图增强 3.1 医学图像增强的目的与和分类 3.5 医学图像的锐化 第3章医学图像增强技术 图像平滑为了去除噪声，改善图像质量。平滑往往会造成不同程度模糊。 （1）均值滤波 均值滤波用每个像素对应的邻域的平均值代替原像素。 设f(x,y)为原图像点(x,y)的像素值，以它为中心取N*N邻域，用Ａ表示邻域内像素的集合，经滤波，点(x,y)对应的输出像素为： 3.4 图像的平滑 （1）均值滤波 均值滤波对应的掩模操作： 3.4 图像的平滑 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 198 212 200 202 202 205 206 205 209 204 （1）均值滤波 实现空间滤波的函数为： g=imfilter(f,h); h为滤波器，滤波器可用以下函数生成： h=fspecial(type,parametes); type为滤波器类型，可设置的类型有： average,gaussian,sobel,prewitt,laplacian 3.4 图像的平滑 （2）中值滤波 中值滤波将每个像素对应的邻域的像素按灰度级大小排序，然后选择中间的灰度值，作为该像素点的输出值。 中值滤波的实现步骤：用N*N的窗口在图像上依次划过每个像素，每滑动一像素，将窗口确定的邻域像素按大小排序，中间的灰度值作为窗口中心所在像素的输出值。 3.4 图像的平滑 （2）中值滤波 中值滤波实例： 3.4 图像的平滑 （2）中值滤波 实现中值滤波的函数为： g=medfilt2(f,[m n]); [m n]为滤波器尺寸。 3.4 图像的平滑 图像锐化的理论依据： 导数（微分）反映连续函数的变化，图像的灰度级是离散的，对一元函数，可以用相邻像素之间的差值表示一阶导数（微分）： 同理，二阶导数（微分）计算如下： 相邻像素变化越大，导数（微分）越大，图像的细节和边缘变化也越大。因此，可用导数（微分）来增强图像边缘，突出图像细节。 3.5 图像的锐化 (1)基于一阶微分的图像锐化： 梯度法：设图像f(x,y),其梯度为： 为方便起见，常将梯度的模简称梯度： 对于数字图像，常用差分表示导数。 3.5 图像的锐化 (1)基于一阶微分的图像锐化： ①经典梯度运算 经典梯度基于图像的水平和垂直差分计算梯度的模： 上式可简化为： 3.5 图像的锐化 f(x,y) f(x,y+1) f(x+1,y) 1 -1 0 0 1 0 -1 0 (1)基于一阶微分的图像锐化： ②Robert梯度 Robert梯度基于交叉差分计算梯度： 上式可简化为： 3.5 图像的锐化 f(x,y) f(x,y+1) f(x+1,y) f(x+1,y+1) (1)基于一阶微分的图像锐化： ③Sobel梯度 Sobel梯度是常用的3*3滤波器： 3.5 图像的锐化 -1 0 1 -2 0 2 -1 0 1 -1 -2 -1 0 0 0 1 2 1 (1)基于一阶微分的图像锐化： ④Prewitt梯度 Prewitt梯度： 3.5 图像的锐化 -1 0 1 -1 0 1 -1 0 1 -1 -1 -1 0 0 0 1 1 1 (1)基于一阶微分的图像锐化： 确定了梯度算法，便可采用不同的增强方法突出图像f(x,y)的轮廓。 ①梯度值作为增强图像的灰度： ②背景保留，突出轮廓： ③背景保留，轮廓取单一值： 3.5 图像的锐化 (1)基于一阶微分的图像锐化： ④轮廓保留，背景取单一值： ⑤二值化，轮廓和背景分别取单一值： ⑥梯度图像与原图像叠加 g=f+G(f(x,y)) 3.5 图像的锐化 (1)基于一阶微分的图像锐化： 图像锐化实例(经典梯度)： f=imread(‘blood1.jpg’); h1=[-1 1;0 0]; g1=imfilter(f,h1);