医学图像处理_复习纲要.docVIP

《医学图像处理》复习纲要 引论 数字图像处理（DIP）的基本定义和本课程所界定的大致范围 数字图像、图像处理、图像分析/理解、计算机视觉 数字图像处理发展的基本历程和应用领域 重点：在医学图像处理中(CAT、CT、PET、MRI、体内三维再现技术等)的发展应用 从成像来源的角度了解DIP的划分、比较各自特点及应用场合 电磁波谱成像、显微镜成像(TEM、SEM)、声波/超声波成像、计算机合成图像 DIP的基本流程步骤 DIP基础 视觉基本要素 杆状体(Rods)和锥状体(Cones)、盲点、主观亮度、亮度适应性、亮度辨别力(Weber ratio)；几种视觉现象（说明感觉亮度不是光强的简单函数）：Mach效应、同时对照度、光幻觉；描述彩色光的三个基本量：辐射度(radiance)、光通量/流明数(luminance)和亮度(brightness) 图像感知和获取、采样和量化 三种基本的图像采集形式（单个、线和阵列）、图像的照射和放射分量模型、数字图像的空间坐标表示、图像存储尺寸的计算、图像的空间和灰度分辨率、checkerboard现象和伪轮廓现象、等性能曲线及解释、混叠/莫尔（波纹）效应及解释 象素间的基本关系测度 近邻(neighbors)（4、对角、8）、邻域; 邻接(adjacency)（4、8、混合）与连接(connectivity)；区域、边界和边缘(沿)；路径、路径长度、连接分量/集、闭路径； 距离测度：距离定义、城市街区距离、Euclidean距离、棋盘(chessboard)距离、Dm距离； 空域图像增强技术 灰度变换及基本函数 基本概念：负变换、对数变换、幂律变换（Gamma校正）、分段线性变换、灰度切割、位平面切割； 要求：理解这些变换的基本含义及对图像作用后会产生什么样的效果、并会灵活运用这些变换于不同的图像增强场合 直方图处理 灰度直方图的定义、基本含义、与图像外观的关系、及其作用； 直方图均衡化（线性化）：基本思想与原理、特点与作用、算法基本步骤、应用场合 直方图匹配（规定）：基本原理、特点与作用、变换函数、实现流程；会灵活运用（如怎么去设计规定的直方图） 怎么运用直方图的统计特征于图像增强：均值、方差及主要含义、全局运用与局部运用 增强中的算术与逻辑操作 与、或、非：特点、作用、怎么运用 图像加/平均、减、乘操作的主要原理、特点、作用效果、应用场合； 空间滤波 线性滤波与非线性滤波、填充问题（基于邻域的操作） 线性滤波：基本概念、滤波器/模板/掩码、线性卷积与相关 线性平滑滤波（盒滤波器、加权平均滤波）、排序统计滤波（中位、中值、最大、最小及其它自定义的百分位）：基本原理、特点、优缺点与应用场合 空间锐化滤波器：数学原理与基础、作用 一阶导数/梯度算子（Roberts, Sobel, Prewitt）、二阶导数/Laplacian算子：各自主要特征、优缺点、主要作用、怎么运用 本章应用实例：联合增强 频域增强技术 1．基础：二维离散傅立叶变换 2．基本概念：图像频谱及物理意义（很重要）、频域和空域分辨率、填充与周期展开； 3．频域滤波的基本流程框架 4．基本的滤波器类型（高、低通）：理想、Butterworth、Gaussian；基本原理、主要属性、主要用途；要求掌握一定的推导技巧和能灵活运用 5．空域与频域滤波器间的转换－卷积定理；频域和空域增强技术间的比较 6．同态滤波：概念、原理、算法基本流程、主要用途 图像恢复 1．基本概念，与图像增强技术的区别和联系；图像退化及恢复过程模型 2．噪声：来源、空/频域的属性（从与图像的关系角度）； 重要的噪声概率模型：高斯、Reyleigh、指数、均匀、脉冲（椒盐）；对表达公式要熟悉、对基本特征要掌握；能根据图像的统计特征（如直方图分布）对噪声参数进行估计； 3．只有噪声情况下的恢复技术－空间滤波：1）线性：均值滤波（算术、几何、谐波、逆谐波；2）排序统计：中值、最大/小、中点、alpha修剪；3）自适应均值滤波（基本思想与流程）。要求：掌握基本原理、基本属性、和各自的优缺点与用途。 4．周期噪声消除：带限与陷波滤波器 5．线性位置不变退化模型及退化函数估计：1）观察；2）试验；（这两种有个基本了解就行）；3）利用先验知识建模退化函数；4）滤波方法：逆滤波、Wiener滤波（重点）；约束最小均方滤波、几何均值、空间变换等（了解）； 彩色图像处理 两大类：真彩色和伪彩色处理； 颜色基础：电磁波谱；彩色光的三个基本度量变量（辐射度、光通量、亮度）；彩色光谱范围：380nm~720nm；光的三基色（RGB）：CIE定义的波长（蓝：435.8nm, 绿：546.1nm, 红：700nm）；光的二次色（补色）：magenta、cyan、黄色；颜料的三基色和二次色（图