這節(jié)主要總結(jié)醫(yī)學(xué)圖像的增強(qiáng)技術(shù)、圖像的分割技術(shù)。

醫(yī)學(xué)圖像增強(qiáng)

基本增強(qiáng)技術(shù)

圖像是信息可視化的重要手段。一幅醫(yī)學(xué)圖像以直觀的形式給醫(yī)生提供輔助診斷和治療的信息。特別是，有經(jīng)驗的放射專家和臨床醫(yī)生能從這些圖像中得到很多有用的信息。

但是，從掃描設(shè)備出來的原始圖像由于受到成像設(shè)備和獲取條件等多種因素的影響，可能出現(xiàn)圖像質(zhì)量的退化，甚至偽跡。即使是高質(zhì)量的圖像，在大多數(shù)情況下，也很難用肉眼直接得出有用的診斷。

不同能力和背景的人對同一幅醫(yī)學(xué)圖像往往會得出不同的結(jié)果來。要想對圖像有定量的評估就更是不可能的。

因此，用計算機(jī)對醫(yī)學(xué)圖像做后處理，首要的任務(wù)就是對獲取的醫(yī)學(xué)圖像進(jìn)行增強(qiáng)信噪比的工作。即濾除圖像的噪聲和干擾，突出感性趣對象區(qū)域或邊緣從而為進(jìn)一步分析和計算奠定基礎(chǔ)，從圖像得到定量和更深刻的信息。

直方圖均衡

直方圖均衡的作用是將圖像灰度信息分布得盡可能均勻。本質(zhì)上是一個直方圖的變換，即將輸入圖像的直方圖映射成為一個最大平展的直方圖。具體的做法是，首先從圖像的直方圖計算歸一化累加直方圖。

具有最均勻直方圖的增強(qiáng)圖像可由下式計算：

圖(a)是原始腦圖像，對應(yīng)直方圖（圖 (b)）中灰度分布很不均勻；圖?是歸一化累加直方圖。圖(d)和圖(e)是增強(qiáng)后的圖像與直方圖；圖(f)是增強(qiáng)后的歸一化累加直方圖，接近一條直線。經(jīng)直方圖均衡化處理后MRI腦圖像中的細(xì)節(jié)明顯得到增強(qiáng)。

局部區(qū)域直方圖均衡

將整個圖像直方圖均衡化的概念應(yīng)用于小塊、彼此重疊的局部圖像區(qū)域是一種非常有效的圖像增強(qiáng)方法。這是一種非線性運(yùn)算，有利于觀察圖像的細(xì)節(jié)。

局部區(qū)域直方圖定義為 ：

局部區(qū)域累加直方圖：

相應(yīng)均衡化后輸出圖像

濾波器

均值濾波

圖像與尺度為 (2K+1)×(2L+1)核的卷積，核的元素值為總元素個數(shù)的倒數(shù)，例如，當(dāng)K=L=1時，


均值濾波對噪聲有平滑作用，但代價是犧牲圖像的邊緣的銳度。核的大小對成功濾波極為重要。小于核尺寸的圖像細(xì)節(jié)會明顯受到抑制，而大于核尺寸的圖像細(xì)節(jié)受影響較小。

中值濾波

中值濾波是一種常用的抑制噪聲的非線性方法，它不是將圖像與核系數(shù)卷積，而是在核框架的每個位置上（即將核的中心與待處理的圖像像素對齊），輸出的像素灰度為該核框架范圍下圖像所有像素灰度的中位數(shù)。

一般說來，中值濾波與均值濾波具有不同的平滑特性，比中值濾波核尺寸小于一半的圖像特征完全被濾除，而大的不連續(xù)性，如邊緣或大的圖像變化則不受影響，但位置可能移動幾個像素。這種濾波器對某些噪聲，例如椒鹽噪聲非常有效。

平滑濾波器

醫(yī)學(xué)圖像分割

基本分割技術(shù)

圖像分割就是把圖像分成若干個特定的、具有獨(dú)特性質(zhì)的區(qū)域并提出感興趣目標(biāo)的技術(shù)和過程。
現(xiàn)有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等。

閾值分割

待分割圖像 f(x,y),分割后圖像g(x,y),T :閾值

全局閾值：T 取決于整幅圖像
局部閾值：T 取決于局部圖像
動態(tài)閾值：T 取決于空間坐標(biāo)(x,y)

人工選擇法

通過人眼觀察雙峰之間的谷底作為分割閾值。
在選擇人工閾值后，根據(jù)分割效果，不斷交互調(diào)整，選取最佳閾值。

最大類間方差閾值法

迭代閾值法

聚類方法

總結(jié)

以上是生活随笔為你收集整理的医学图像处理期末复习(四)的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。