一些基本概念

象素、尺度、分辨率和強度分辨率:

組成圖像的最小基本元素稱作象素（Pixel）。
圖像的分辨率（Size），又稱作圖像的尺度。

圖像尺度的計算公式為：
$$S=N_x?N_y$$
圖像采樣分辨率是指的是在一定長度上像素的數量，其單位為ppi（pixelsperinch），即每英寸上的像素數量。

圖像的采樣分辨率越高（表示每英寸長度上的像素數量越多），圖像越精細，顏色過渡越平滑，且圖像包含的信息量也越大，圖像文件也越大。

象素本身也有自己的大小，即對應實際物體空間的大小。盡管在圖像處理過程中，可以根據需要設定象素的大小，但象素對應的最小尺度是受到成像設備本身的分辨能力限制的。例如某個MR掃描儀生成的圖像的分辨是2mm x 2mm。

圖像的另一個重要屬性就是強度（Intensity）。

對于黑白圖像來說，圖像的強度是用灰度的等級（Gray level）表示的。灰度等級往往用2的整數次冪表示，例如8bit（256 個灰度等級）。常用的還有10bit、12bit等灰度等級。一幅圖像的灰度分辨率越高，它所能夠表現的細節就越細。如果灰度分辨率不夠高的話，圖像的細節就會丟失，甚至出現圖像模糊和馬賽克現象。

圖像對比度的概念：
對比度：通俗地講，就是亮暗的對比程度。
對比度通常表現了圖像畫質的清晰程度。
對比度的計算：

δ(i，j)=| i - j |表示相鄰像素間的灰度差
Pδ(i，j)即相鄰像素間的灰度差為δ的像素分布概率

像素相鄰：

對比度的計算示例：
設圖像為
計算：

動態范圍

動態范圍：是指圖像中所記錄的場景中從暗到亮的變化范圍。
動態范圍對人視覺的影響：由于人眼所可以分辨的灰度的變化范圍是有限的，所以當動態范圍太大時，很高的亮度值把暗區的信號都掩蓋了。

灰度直方圖

對一幅圖像所包含的全部象素的灰度做統計，并以橫坐標表示灰度值，縱坐標表示圖像中具有該灰度的象素個數，這樣繪制出的曲線稱作圖像灰度分布直方圖（histogram）。

性質

（1）灰度直方圖反映的是圖像灰度的統計性質,不包含空間位置信息。
上面左右兩幅圖像內容不同，但具有相同的直方圖。

（2）從直方圖可以看出圖像的總體性質
a. 圖像總體偏暗。 b. 圖像總體偏亮。c. 圖像動態范圍小，細節不夠清楚。 d. 圖像灰度分布均勻，清晰明快。e. 圖像動態范適中。 f. 圖像動態范圍偏小。 g. 圖像動態范圍偏大。

直方圖的線性拉伸與壓縮

假設圖像最大灰度為Imax的話，受人眼分辨能力的限制，在該圖像中如果相臨兩個區域的灰度差小于Imax/16，就很難將這兩個區域分開。通過映射的方法將原來的直方圖分開些，稱作直方圖的拉伸。

直方圖的分段映射

有時如果對某一個灰度范圍的圖像細節要求不高，我們也可將這灰度段用映射的方法壓縮。不管是拉伸還是壓縮，最常用的方法都是線性映射。
如果對同一幅圖像要做兩種以上的處理，可以采用分段線性映射。下圖就是直方圖分段線性映射的例子。這里，p（r）~ r 是原來的直方圖，p(s) ~ s 是變換后的直方圖。s ~ r的映射關系為：

從映射曲線斜率可以看出與直方圖拉伸、壓縮間的關系。
設曲線與橫軸夾角為θ，則有
當θ>45°時，灰度段拉伸，有助于觀察；
當θ<45°時，灰度段壓縮，有抑制背景作用。

下圖給出的是幾種灰度映射曲線。

值得注意的是，當將某一個中間灰度段拉伸，進行細致觀察；同時將高端灰度段壓縮。壓縮后高灰度部分會變得最亮，形成許多干擾點。一般使高灰度壓縮后置為零值，變成最暗，免除其對目標圖像的干擾。

歸一化直方圖

設圖像中灰度為i的象素個數是ni，全部象素數為N，則定義圖像的歸一化直方圖為：
鑒于醫學圖像的特點，低灰度的背景區域較大，往往出現在靠近縱軸處高計數，而在其它灰度處幅度顯示過低的情況。

灰級窗

當256個灰度級所表示的亮暗范圍內的信息量太大，沒辦法很好地表述時，通過開窗的方式，每次只把窗內的灰度級展寬，而把窗外的灰度級完全抑制掉。

例如：CT圖像的原始數據為12bit （或是16bit），要將其顯示出來，則只能轉換為8bit，于是有了16歸并為1（或256歸并為1）的需要。這時，開骨窗、肌肉窗、組織窗就可分別清晰地顯示相應的內容。

灰級窗的實現方法

如圖所示，灰級窗實際上是線性對比度展寬的一種特殊形式。

灰級窗的效果示例

局部二進制模式(LBP)

鄰域的選取方式：

示例：

彩色編碼

圖像的色彩在醫學圖像分析和應用中起著重要作用。盡管彩色圖像的色彩多種多樣，它們都可分解為三種基本的成分，即可以用紅（Red）、綠（Green）、藍（Blue）三種基色的組合表示。
對于256種色彩的圖像，在圖像數據集中RGB各用一個字節表示。
組織切片的光學照片數字化后就采用彩色圖像數據格式，可以較真實地反映組織特性。
CT、MRI等掃描圖像本身是沒有顏色的。臨床掃描的醫學圖像多是灰度圖像，一般有256個灰度分度或更多。人的肉眼能夠直接分辨的灰度等級只有16個左右，但是人眼對色彩的微小變化較為敏感。
因此，醫學上往往用人工方法給這些圖像賦予一些顏色，將這些灰度圖像轉換為彩色圖像增強人們對圖像的分辨和理解。為了與物體固有的真顏色予以區別，這種人工色彩被稱作假彩色或偽彩色。

顏色視覺

色調(Hue)又稱為色相，指顏色的外觀，用于區別顏色的名稱或顏色的種類。色調用紅、橙、黃、綠、青、藍、靛、紫等術語來刻畫。

飽和度(Saturation)是指色彩的純度，純度越高，表現越鮮明，純度較低，表現則較黯淡。完全飽和的顏色是指沒有滲入白光所呈現的顏色，例如僅由單一波長組成的光譜色就是完全飽和的顏色。

亮度(Intensity)是視覺系統對可見物體輻射或者發光多少的感知屬性。它和人的感知有關。亮度的一個極端是黑色( 沒有光)，另一個極端是白色，在這兩個極端之間是灰色。

顏色模型

RGB

CMY

CMY顏色空間是另一種基于顏色減法混色原理的顏色模型。在工業印刷中它描述的是需要在白色介質上使用何種油墨，通過光的反射顯示出顏色的模型。

CMY描述的是青（Cyan)，品紅(Magenta)，黃(Yellow)和黑四種油墨的數值。

CMY常用于從白光中濾去某種顏色，又被稱為補色系統。

CMY顏色模型與RGB顏色模型幾乎完全相同。差別僅僅在于前者的原點為白，而后者的原點為黑。前者是定義在白色中減去某種顏色來定義一種顏色，而后者是通過從黑色中加入顏色來定義一種顏色。

HSI

HSI彩色空間：根據顏色的直觀特性由A. R. Smith在1978年創建的一種顏色空間, 也稱六角錐體模型。RGB和CMY顏色模型都是面向硬件的，而HSI顏色模型是面向用戶的。
亮度（I）與反映色彩本質特性的兩個參數－色度（H）和飽和度（S）――分開 。

光照明暗給物體顏色帶來的直接影響就是亮度分量（I），所以若能將亮度分量從色彩中提取出去，而只用反映色彩本質特性的色度、飽和度來進行聚類分析，會獲得比較好的效果。這也正是HSI模型在彩色圖像處理和計算機視覺的研究中經常被使用的原因。

亮度分量I：表示光照強度或稱為亮度，它確定了像素的整體亮度，而不管其顏色是什么。
色度分量H：表示色度，由角度表示。反映了該顏色最接近什么樣的光譜波長。0°為紅色，120°為綠色，240°為藍色。

飽和度分量S：表示飽和度，飽和度參數是色環的原點到彩色點的半徑長度。
在環的外圍圓周是純的或稱飽和的顏色，其飽和度值為1。在中心是中性（灰）色，即飽和度為0。

HSI與RGB的轉換

YCbCr

一種彩色傳輸模型，主要用于彩色電視信號傳輸標準。

Y－黑白亮度分量，Cb,Cr－表示藍色濃度偏移和紅色濃度偏移。

人的肉眼對由YCbCr色彩空間編碼的視頻中的Y分量更敏感，而Cb和Cr的微小變化不會引起視覺上的不同，通過對Cb和Cr進行子采樣來減小圖像的數據量，使得圖像對存儲需求和傳輸帶寬的要求大大降低。

YUV

Y：亮度；U，V：色差信號。
目的是為了可以使電視節目可同時被黑白電視及彩色電視接收。
電視信號在發射時，轉換成YUV形式；接收時再還原成RGB三基色信號，由顯像管顯示。

偽彩色指圖像中象素的顏色與原灰度圖像中的灰度值有定量的轉換關系。典型的有金屬色（Metal color）與彩虹色（Rainbow color）兩種。
(1) 金屬色
金屬在不同溫度下表面顏色不同。鐵等金屬在溫度較低時是暗黑色，在加溫后顏色會漸漸變紅，繼續提高溫度，就會變成白熾的顏色。金屬色是模擬金屬加熱過程，將原灰度圖像中象素的灰度按數值大小映射為相應的顏色。即低灰度對應黑色，強度高些對應紅色，再高對應白色等。下圖所示為用金屬色表示的人腦MR圖像。

(2) 彩虹色
與金屬色原理一樣，只不過顏色與灰度的映射關系不同。彩虹色是將圖像灰度模擬可見光光譜中多種顏色轉換。順序不限于赤、橙、黃、綠、青、蘭、紫，只要有色彩與灰度值的對應關系即可。下圖是用彩虹色表示的人腦帕金森病治療前后多巴胺含量分布的例子。蘭色等較暗的顏色表示多巴胺濃度較低，紅、黃等暖色表示多巴胺濃度較高。

假彩色：與偽彩色不同，假彩色圖像的顏色只是為了突出圖像中的感性趣區或將某一對象與周圍區域區分開，會人為地賦予這些區域某種特定的顏色。這種顏色與原灰度圖沒有定量關系。

例如下圖所示的人腦腦葉的假彩色顯示。各種顏色只是用來區分不同的腦葉,沒有其他含義。

總結

以上是生活随笔為你收集整理的医学图像处理期末复习(三)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。