医学影像图像增强处理.ppt

第三章 医学影像图像增强处理 图像增强的目的 改善图像视觉效果，提高图像清晰度，便于观察和分析 将图像转换成另一种形式，突出图像的特征，便于人/机器对图像进行进一步分析和处理 总而言之，就是通过处理来突出图像中的有用信息，抑制无用信息，提高图像的使用价值 图像增强的特点 人为地突出图像中的部分细节，压制另外一部分信号 在不考虑图像降质原因的条件下，用经验和试探的方法进行加工 目的性强，对不同的图像有不同的增强方法 尚无统一的质量评价标准，无法定量衡量处理效果的优劣 图像增强的方法 空域增强：对图像的像素直接处理 点运算：以像素为单位进行处理 灰度变换 直方图修正 局部统计法 邻域运算：利用模板进行卷积运算 频域增强：在图像的某个变换域(傅立叶频域)内，对图像的变换系数进行运算，再通过逆变换获得图像增强效果 图像噪声 是图像在摄取或传输时所受到的随机干扰信号。具有不可预测性，通常将噪声看作是由多维随机过程信号组成 对这些干扰信号的抑制称为图像噪声抑制 噪声的描述和表达 可借用随机过程及其概率分布函数和概率密度函数表示 在很多情况下，这种描述方法很复杂，甚至不可能，实际应用往往也不必要，通常用其数字特征（均值方差、相关函数等）处理 按噪声和信号之间的关系分 加性噪声：假定信号为S(t)，噪声为n(t)，混合叠加波形是S(t)+n(t)形式 乘性噪声：如果叠加波形为S(t)［1+n(t)］形式 为了分析处理方便，往往将乘性噪声近似认为加性噪声，而且总是假定信号和噪声是互相独立的。 对医学影像图像的空域法增强－灰度变换 定义 将一个灰度区间映射到另一个灰度区间的变换 目的 可使图像动态范围加大，图像对比度扩展，图像清晰，特征明显，是图像增强的重要手段。 分类 灰度线性变换 全局线性 分段线性 灰度非线性变换 对数变换 指数变换 线性变换 假设：原始图像为f ( i , j) ，灰度范围：[ a , b]，变换后图像：g ( i , j) ，灰度范围：[ c , d]，线性变换中，存在以下关系： 另一种情况，图像中大部分像素的灰度级在[a, b]范围内，少部分像素分布在小于a和大于b的区间内。此时可用下式作变换： 对比度展宽效果（1） 对比度展宽效果（2） 对比度展宽效果（3） 反转变换（负相变换） s = (L?1)? r ， [0,L-1]为图像的灰度级 作用：黑的变白，白的变黑 非线性变换 非线性变换 对数变换 s = c log(1+ r) c 是常数，r ≥0 作用：有时原图过亮，高灰度范围太大，超出某些显示设备的允许动态范围，如直接使用原图，则一部分细节可能丢失。解决办法是利用对数变换对原图进行高灰度压缩 指数变换 目的：扩展原图的高灰度范围，压缩原图的低灰度范围 ，适合对过暗的图像进行补偿 幂次变换（ γ 校正）： , c和γ是正常数 γ1 提高灰度级，在正比函数上方，使图像变亮 γ 1 降低灰度级，在正比函数下方，使图像变暗 邻域增强----图像空间域滤波 邻域定义：一个像素的邻域主要包括以该点为中心的正方形区域（3*3邻域或5*5邻域） 当邻域大小缩为1*1时，邻域运算退化为灰度变换 邻域运算过程 邻域定义：（3*3或5*5） 模板定义：平滑模板/锐化模板 卷积：将模板沿着输入图像进行滑动，利用输入图像中各个像素点与模板中的值进行卷积得到输出图像中对应像素点的灰度值 模板操作和卷积运算 模板操作是数字图像处理中常用的一种运算方式，图像的平滑、锐化以及后面将要讨论的细化、边缘检测等都要用到模板操作。 模板示例： 卷积加权运算中存在的问题-----图像边界问题 当在图像上移动模板（卷积核）至图像的边界时，在原图像中找不到与卷积核中的加权系数相对应的9个像素，即卷积核悬挂在图像缓冲区的边界上， 这种现象在图像的上下左右四个边界上均会出现 解决方法 忽略图像边界数据。这样的结果将会使图像变小 在图像四周用全0或全1填充，这样会使误差随着窗口的增大而增加 在图像四周复制原图像边界像素的值，从而使卷积核悬挂在图像四周，这种方法比较能反映真实的图像原貌，但是填充的过程增加了运算的复杂性 平滑空间滤波器 平滑线性滤波器（均值滤波器） 用模板中全体像素的均值来替代原来的像素值 减小图像灰度的“尖锐”变化，用于模糊化和减小噪声 由于图像边缘是由图像灰度尖锐变化引起的，所以存在边缘模糊的问题 均值滤波器虽然对噪声有抑制作用，但同时也会使图像变得模糊，适合去除高斯噪声 统计排序滤波器 是一种非线性滤波器，基于滤波器所在图像区域中像素的排序，由排序结果决定的值代替中心像