医学图像处理复习大纲_SK.docVIP

《医学图像处理》课程复习大纲 题型: 选择题（20分）、判断题（10分）、填空简答题（10分）、分析计算题（60分） 绪论 数字图像处理研究的主要内容：图像变换，图像的数字化，图像增强，图像恢复（也叫图像复原），图像编码（也叫图像压缩），图像重建，图像分析，图像分割。（大体了解每个含义）。 几何处理：(geometrical processing) 坐标变换、图像放大、缩小、旋转、移动、多个图像配准，全景畸变校正，扭曲校正，周长、面积、体积计算等 算术处理：(Arithmetic processing) 对图像施以＋、－、×、÷等运算，主要针对像素点的处理，如医学图像的减影处理 图像增强：(Image Enhancement) 突出图像中感兴趣的信息，而减弱或去除不需要的信息，从而使有用信息得到加强，便于区分或解释 方法：直方图增强、伪彩色增强法、窗口技术 图像复原：(Image Restoration) 去掉干扰和模糊，恢复图像的本来面目 噪声包括随机噪声和相干噪声 随机噪声干扰表现为麻点干扰，相干噪声表现为网纹干扰 方法：维纳滤波、逆滤波、同态滤波 图像重建：(Image Reconstruction) 从数据到图像的处理。也就是说输入的是某种数据，而处理结果得到的是图像 方法：代数法、迭代法、傅立叶反投影法、卷积反投影法等 图像编码：(Image Encoding) 减少数据存贮量，降低数据率以减少传输带宽，压缩信息量，便于特征抽取，为识别作准备 第一代编码：PCM、DPCM、△M，变换编码中的DFT、DCT、Walsh-Hadamard等 第二代编码：金字塔编码法、Fractal编码、基于神经元网络的编码方法、小波变换编码法、模型基编码法 图像识别：(Image Recognition) 统计识别法；句法结构模式识别法；模糊识别法。 图像理解：(Image Understanding) 该处理输入的是图像，输出的是一种描述，利用客观世界的知识使计算机进行联想、思考及推论，从而理解图像所表现的内容 图像分割： 按照应用的要求将图像分割成一块块区域，目的是将感兴趣的对象提取出来 几个重要的概念: 视觉特征(如：视觉系统的可视波长范围，韦伯定理同时对比度, 马赫效应（当亮度发生跃变时，会有一种边缘增强的感觉，视觉上会感到亮侧更亮，暗侧更暗）)、图像信息的熵（定义，熵的最大和最小值出现在什么情况下），能量谱和功率谱 人眼可见的波长范围是390~780nm 同时对比效应： 人眼对某个区域感觉到的亮度不仅依赖于它的自身亮度，还与它的背景有关 视觉遮蔽： 当背景存在明显的空间或时间变化时，辨别亮度变化的门限增加 韦伯定理： 如果一个物体的亮度与周围背景I有刚刚可以察觉到的差别△I，则△I和I的比值是I的函数，且该比值在一定的亮度范围内近似不变，该比值称为韦伯比 韦伯定理说明人眼视觉系统对亮度的对比度敏感，而非亮度值本身 低照度，韦伯比高，亮度分辨能力差；高照度，韦伯比低，亮度分辨能力强 重现图片只需要重现物体间的对比度即可 马赫带效应： 人眼所感觉到的亮度并不是亮度的简单函数，视觉系统有趋于过高或过低估计不同亮度区域边界值的现象 视觉系统在不同亮度区域边缘周围存在“欠调”和“过调”现象 实际各色带的亮度恒定，但是感觉条带边缘亮度有变化，边缘亮的一边更亮，暗的更暗 图像信息的熵： 信源X发出的xj（j=1,2,…,n）共n个随机事件的自信息统计平均，即 H(X)称为信源X的“熵”，即信源X发出任意一个随机变量的平均信息量。 图像中，某种幅度值出现的概率为P，则所包含的信息量为 1）等概率事件的熵最大：此时， 2）当P(x1)＝1时，P(x2)＝P(x3)＝…＝P(xj)＝0，熵最小 信息熵是一个数学上颇为抽象的概念，在这里不妨把信息熵理解成某种特定信息的出现概率（离散随机事件的出现概率）。一个系统越是有序，信息熵就越低；反之，一个系统越是混乱，信息熵就越高。信息熵也可以说是系统有序化程度的一个度量 能量谱和功率谱： 帕塞瓦尔定理： 能量谱：单位频率的信号能量，记为 在频带 内的信号能量为 信号在整个频率范围内的总能量： 功率谱：单位频率的信号功率，记为 在频带范围内的总功率： 幅度谱： 相位谱： 功率谱： 图像质量评价指标：均方误差，信噪比 均方误差：变换前后的差异 平均绝对值误差： 峰值信噪比： 图像文件的格式 BMP文件结构，占用的字节数，能够计算一幅bmp格式图像所占用字节数。 BM