第三章图像的运算.pptVIP

图像相加效果示意图 (a)是X-CT图像，反映了解剖结构；(b)是PET图像，反映 了功能映射；(c)是(a)和(b)相加的结果，反映了功能 变化发生在解剖结构的具体位置. Addition of the images + = 乘法运算 乘法运算 可用于去除图像中部分影像。 首先构造一副掩膜图像，在需要保留区域，图像灰度值为1；而在被去除区域，图像灰度值为0； 然后将掩膜图像乘原始图像。 图像相乘效果示意图  图像相乘效果示意图 空间域中图像的卷积运算可转换成频率域中的乘法，以此简化运算。 (a)是受噪声干扰的头颅MRI原图像，(b)是(a)的二维傅里叶变换(FT)图像 (C)是低通滤波传输函数的理想频谱图，高于截止频率处的值为0（用黑色），其他处的值为1（白色）， (d)是(c)和(b)相乘的结果，高于截止频率的成分均被滤除了。 (a) (b) (C) (d) × ＝ 减法运算 减法： (用于图像轮廓特征提取、图像形状匹配等。) = — 减去背景 图像相减效果示意图 用图像相减的方法可以从原图像中消除背景，突出研究对象。这种技术在临床医学中一个成功应用的范例就是数字减法血管造影术(DSA)。(a)为注射血管造影剂前的X线影像，可见脊柱和肝脏的两叶，但未能显示肝动脉；(b)为注射血管造影剂后的X线影像，可见脊柱、肝脏及肝动脉；(c)为(a)和(b)相减的结果，去除了脊柱和肝脏的影像，清晰地显示了肝动脉。 (a) (b) (c) * 注入造影剂前的影像 注入造影剂后的影像 相减后的影像 几乎相同但稍有不对准图像的减法运算（运动检测） － = 梯度幅度运算 计算物体边界的梯度： 在一个图像内，寻找边缘时，梯度幅度（描绘变化陡峭程度的量）的近似计算： |Vf(x,y)|=max(f(x,y)–f(x+1,y), f(x,y)–f(x,y+1)) 主要用于图像轮廓特征提取、图像形状匹配等。 （a）原图 （b）梯度运算 计算物体边界的梯度:图像轮廓特征提取 计算物体边界的梯度:图像轮廓特征提取 细胞病理涂片图象的梯度图像 细胞病理涂片图象 除法运算 多光谱遥感运算的比值计算. 同谱异物, 同物异谱. 3．3图像的几何运算 几何运算的定义 ：简单的几何运算包括平移(translation)、旋转(rotation)和放大缩小(scale或zoom)等，也称为RST变换。 一般几何运算包含空间坐标变换和灰度变换两种运算。空间坐标变换确定了运算结果中像素的坐标和原图像中对应像素的坐标之间的关系；灰度变换确定了运算结果中像素的灰度与原图像中对应像素及其相邻像素灰度之间的关系。 几何运算和点运算及算术运算的不同在于：其一，几何运算的结果会改变组成运算对象的各像素的空间位置；其二，运算结果中各像素的灰度值可能不仅仅取决于原图像中对应像素本身的灰度值，有时还取决于其相邻像素的灰度。 图像的平移 原图像中像素的坐标是(x，y)，其灰度为f(x,y)；运算结果中对应像素的坐标是(x’，y’)，其灰度为f(x’，y’)。 平移运算前后，像素的灰度不需经过变换 即可直接复制： （平移会使坐标发生变化，但灰度值不变。） 图像的旋转 绕原点顺时针旋转 角度，原图像中的像素点(x，y)旋转后的新坐标为(x’，y’)。坐标之间的变换关系为： Y ) （旋转会使坐标发生变化，灰度值也会发生变化。） 图像的缩小放大变换 当图像中心和坐标系原点重合的情况下，缩放运算前后的 坐标变换关系为： 其中，c和d分别为原图像在x轴及y轴方向上的缩放倍数。 当c和d相等时，原图像等比例缩放，不会引起变形； 当c和d大于1时，将原图缩小；当c和d小于1时，将原图像 放大。 在实际应用中，原图像的中心往往并不和坐标原点重合。 在这种情况下，需要先平移图像使其中心和坐标系的原点 重合，再执行缩放运算，最后将图像平移回原来的位置。 （缩放会使坐标发生变化，灰度值也会发生变化。） 图像缩放示意图 Y 注意二个问题 一是变换后坐标的处理：从以上的坐标变换公式可见，原图像像素P(x，y)经过旋转或缩放变换，所得新像素P’的坐标值x’ 和y’可能出现非整数值（不在栅格结点上），这和数字图像的定义不相符合。为了使变换得到的像素符合数字图像的定义，即仍然处于栅格的结点上，必须对P’(x’，y’)作近似处理。 解决方法：一般采用