图象增茄强麻醉.pptVIP

第四节 医学图像增强 Medical Image Enhancement 图像增强的概念 图像增强是一类基本的图像处理技术，其目的是对图像 进行加工（突出感兴趣的区域或边缘，减弱或去除噪声 与干扰等），以得到对具体应用来说视觉效果更“好”， 更有用的图像。 图像增强的方法 基于图像域：直接在图像所在的空间进行 基于变换域：通过在图像的变换域间接进行 常用的增强方法 灰度变换法 直方图变化法 图像平滑 图像锐化 频域增强 彩色增强 代数运算 灰度变换 Gray-scale transformation 直方图均衡化(Histogram Equalization) 主要用于增强动态范围偏小的图像。 直方图均衡化 直方图均衡化 要找到一种变换 t=EH ( s ) 使直方图变平直，为使变换后的灰度仍保持从黑到白的单一变化顺序，且变换范围与原先一致，以避免整体变亮或变暗。增强函数必须满足： （1）EH(s)在0≤s≤1范围内单调递增函数， （2） 对0≤s≤1有0≤EH(s)≤1。 ? 直方图均衡化 可证明累积分布函数变换满足以上条件。 累积分布函数： 图像的平滑 方法： 空间域：邻域平均法、中值滤波、多图像平均法等。 频率域：因噪声多在高频段，采用各种形式的低通滤波。 邻域平均法 邻域平均法 取3X3窗口 多图像平均法 多图像平均法是利用对同一景物的多幅图像取平均来消除噪声产生的高频成分，在图像采集中常用这种方法。 频域低通滤波法 一般来说，图像的边缘和噪声都对应于傅立叶变换中 的高频分量，所以通过频域对一定范围的高频分量的 衰减能够达到图像平滑、去除噪声。 由于滤除了高频分量，低频信息无损地通过。 理想是指小 于D0的频率 完全不受影 响的通过， 而大于D0的 频率则完全 通不过。 低通巴特 沃斯滤波 器在高低 频率间的 过渡比较 光滑，振 铃效应不 明显。 增强边缘 一、 微分法 1、梯度法 1、梯度法 2、 拉普拉斯运算法 1、既可以滤除图像中的噪声，又能保持图像中一些物体的边缘。 2、在抑制随机噪声上要比邻域平均法差，但对于脉冲干扰中值滤波非常有效。 二维中值滤波的主要特性 原 图 平均2次 平均8次 平均4次 理想低通滤波器 （2）巴特沃斯低通滤波器 物理上可以实现的一种低通滤波器 是巴特沃斯低通滤波器。 阶数为n,截断频率为D0的巴特沃斯滤波 器的转移函数为： 1阶巴特沃思低通滤波器转移函数剖面图 频域低通滤波消除虚假轮廓 当图像由于量化不足产生虚假轮廓时可用低通 滤波器进行平滑以改进图像质量。 目的：增强图像中的轮廓边缘、细节以及灰度跳变部分，形成完整的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。 图像的锐化 方法：空间域与频率域两种。 增强边缘 考察正弦函数 ，它的微分 微分后频率不变，幅度上升2πa倍。 空间频率愈高，幅度增加就愈大。这表明微分是可以加强高频成分的，从而使图像轮廓变清晰。 设图像函数为f (x,y)，它在点f(x,y)的梯度 是一个失量，定义为： 梯度的方向是f (x,y)在这点变化率最大的方向，幅度（简称梯度）由下式计算。 由梯度的计算可知： 1、图像中灰度变化较大的边沿区域梯度值大。 2、图像中灰度变化平缓区域梯度值小。 3、灰度均匀的区域梯度值为零。 * * 图像在形成、传输或变换的过程中，由于受到多种因素的影响，造成图像质量的下降（模糊、对比度差、噪声干扰等）。 即使是高质量的图像，在一些情况下，也很难用肉眼直接得出有用的诊断。 不同能力和背景的人对同一幅医学图像往往得出不同的结果。 举例 举例 举例 举例 举例 方法很多，没用通用的标准。 当图像成像曝光不足或过度时, 或由于成像设备的非 线性和图像记录设备动态范围太窄等因素，都会产生 对比度不足的弊病，使图像中的细节分辨不清。 这时可采用灰度变换，使图像对比度扩展、图像动态 范围增大、图像变清晰，特征明显。 线性灰度变换 0 f(x,y) g(x,y) a b c d 观察直方图分布 灰度动态范围较窄 对比度拉伸 灰度动态范围变宽 灰度动态范围变宽 观察直方图分布 分段线性灰度变换 0 f(x,y) g(x,y) a b c d Mf Mg 可以根用户的需要，拉伸特征物体的灰度细节，抑制不感兴趣的灰度级。 分段线性灰度变换 基本思想：是将原始图象的直方图变换为均匀分布的 形式，图象均衡化处理后，图象的直方图是 平