第2次课-医学图像处理技术概论.ppt

医学图像处理的主要任务：,研究如何利用监测设备以更好地获得人体器官生理特征的图像数据，,抑制、平滑数据采集过程中混入的噪声，校正成像过程中各种不完美因素的影响，,得到更准确的图像用于临床诊断和治疗；,另一方面，图像处理的任务还包括医学图像数据的,规范高效表达、组织以及存储，彩色变换，图像中感兴趣区域的提取与分析，三维可视化,等。,医学图像研究的层次,图像处理,:,将一幅图像变为另一幅经过加工的图像，,是图像到图像的过程,图像分析,:,将一幅图像转化为一种非图像表示，如属性等,图像理解,:,将一幅图像转化为一种,一个判断,(,识别,),等,第,2,章 医学图像处理概论,2.1,医学图像处理的主要研究内容,2.4,数字图像的表达,2.5,图像的代数运算,2.6,图像的几何运算,图像的增强,针对具体的应用需要，突出图像中感兴趣的部分，抑制或掩盖不感兴趣的部分，以改善图像判读和识别效果。,图像增强目的是改善视觉效果，处理过程中不必考虑是否导致图像质量下降。,常用的图像增强方法有：,亮度调节,对比度调节,图像平滑,图像锐化,（,3,）医学图像处理的主要研究内容,图像的增强,（,3,）医学图像处理的主要研究内容,图像的恢复,对退化的图像，找出使图像质量下降的原因，采用各种方法，去除这些降质因素或噪声的影响，以达到恢复或重建图像本来面目，提高图像质量的目的,（,3,）医学图像处理的主要研究内容,图像的恢复,（,3,）医学图像处理的主要研究内容,图像分割与特征提取,图像分割是指将图像有意义的部分提取出来，以进行定量分析、模型重建、图像识别等。,图像的特征提取包括形状特征、纹理特征、颜色特征等。,（,3,）医学图像处理的主要研究内容,图像分割与特征提取,（,3,）医学图像处理的主要研究内容,图像的重建,是指从数据到图像的处理，即输入的是某种数据，而经过处理后得到的结果是图像。如,投影数据重建图像或由二维图像重建三维图像。,图像的理解与识别,对图像中的不同对象进行,描述,、,解释,和,分类,、,识别。,图像隐藏,是指媒体信息的相互隐藏,数字水印,图像的信息伪装,（,3,）医学图像处理的主要研究内容,医学图像压缩,原始图像是高度相关的，图像内的相邻像素之间具有相似性，序列图像的前后帧具有相关性，消除这些冗余信息就可以实现图像的压缩。,图像压缩分为无损压缩和有损压缩。,无损压缩又称可逆压缩，指解压还原后的图像和原始图像是完全相同的，没有任何信息的丢失，一般压缩比不高。,有损压缩，指图像压缩后通过解压无法完全恢复原始图像，但压缩比较高。,用于诊断的医学图像通常采用无损压缩。,（,3,）医学图像处理的主要研究内容,2.4,数字图像的表达,（,1,）数字图像的二维矩阵表示,显示图像像素的位置信息：,读入打开图像，运行命令：,impixelinfo,2.4,数字图像的表达,（,2,）图像像素的邻域,设,p(x,y),是一个像素，在,p,的水平和垂直方向上的,4,个相邻的像素坐标为,(x+1,y),，,(x-1,y),，,(x,y+1),，,(x,y-1),，组成,p,的,4,邻域，用,N,4,(p),表示。,p,的,4,个对角相邻像素的坐标为,(x+1,y+1),，,(x+1,y-1),，,(x-1,y+1),，,(x-1,y-1),，这,4,个元素用,N,D,(p),表示。,N,4,(p),和,N,D,(p),合起来称为,p,的,8,邻域，用,N,8,(p),表示。,2.4,数字图像的表达,（,2,）图像像素的邻域,2.4,数字图像的表达,（,3,）图像的直方图,直方图用来表示,灰度图像,中各种灰度的像素出现的频次。利用直方图可以在一定程度上改善图像的视觉效果。,Matlab,中使用函数,imhist(),生成图像文件的直方图。,2.4,数字图像的表达,（,3,）图像的直方图,imhist(),2.4,数字图像的表达,（,3,）图像的直方图,使用函数,histeq(),可自动实现直方图均衡，以改善图像质量。,histeq(),2.5,图像的代数运算,两幅输入图像之间进行的点对点的加、减、乘、除运算后得到输出图像的过程。图像的代数运算不会改变像素的位置。,使用,MATLAB,的基本算术符,(+,、,-,、,*,、,/),可以执行图像的,代数,操作，图像,必须是同种数据类,型,，否则要,转换。,MATLAB,图像处理工具箱包含了一个能够实现所有非稀疏数值,矩阵,的算术操作的函数集合。,2.5,图像的代数运算,（,1,）图像的数据类,像素的坐标是整数，但像素值本身并不都是整数。,Matlab,中所有的数值计算都可用,double,类进行，它是图像处理应用最常使用的数据类。,表示一个数字，,Uint8,和,int8,用一个字节表示；,Uint16,和,int16,用,2,个字节表示；,Uint32,、,int32,和,single,用,4,个字节表示；,double,用,8,个字节表示。,2.5,图像的代数运算,（,1,）图像的数据类,数据类 范围 描述,double(8byte/pixel)-10,308,10,308,双精度浮点数,single(4byte/pixel)-10,38,10,38,单精度浮点数,uint8(1byte/pixel)0,255,无符号,8,比特整数,uint16(2byte/pixel)0,65535,无符号,16,比特整数,uint32(4byte/pixel)0,4294967295,无符号,32,比特整数,int8(1byte/pixel)-128,127,有符号,8,比特整数,int16(2byte/pixel)-32768,，,32767,有符号,16,比特整数,int32(4byte/pixel)-2147483648,2147483647,有符号,32,比特整数,2.5,图像的代数运算,（,1,）图像的数据类,图像的数据类型转换：,函数 转换为 参数,im2uint8()uint8 logical,、,uint8,、,uint16,、,double,im2uint16()uint16 logical,、,uint8,、,uint16,、,double,im2double()double logical,、,uint8,、,uint16,、,double,im2bw()logical uint8,、,uint16,、,double,2.5,图像的代数运算,（,1,）图像的加法运算,图像相加一般用于对同一场景的多幅图像求平均效果，以便有效地降低具有叠加性质的随机噪声。,两幅图像,相加,，可以用,imadd(),函数来实现,。,Z=imadd(X,Y),其中，,X,和,Y,是两幅宽度、高度完全相同的,图像。,也可以,给一幅图像加上一个常数,n,，,就是图像的每个像素的值都加,n,整体上提高图像的亮度。,2.5,图像的代数运算,（,1,）图像的加法运算,图像相加有可能出现输出图像的某些像素的值超出图像数据类型所支持的最大值，这种情况下，,imadd(),函数将相加的和截取为数据类型的最大值，这种操作称为过饱和处理。,2.5,图像的代数运算,（,2,）图像的减法运算,图像减法也称为差分方法，常用于检测图像变化及运动物体的图像处理方法。可以使用图像减法来检测一系列相同场景图像的差异。,实现图像减法可采用函数,imsubtract(),或者,imabsdiff(),。,Z=imsubtract(X,Y),；,或者,Z=imabsdiff(X,Y),；,两幅图像相减，必须先对两幅图像进行配准，使参照点对齐。,2.5,图像的代数运算,（,2,）图像的减法运算,也可以将,一幅图像,减去,一个常数,n,，,就是图像的每个像素的值都减去,n,整体上降低图像的亮度。,图像相减有可能出现输出图像中某些像素的值小于,0,，在这种情况下，,imsubtract(),将结果截取为,0,，而,imabsdiff(),返回相减差的绝对值。,2.5,图像的代数运算,（,3,）图像的乘法运算,两幅图像相乘可以实现掩模操作处理，即保留图像需要关注的部分，而屏蔽掉其他部分。实现掩膜处理，只要设计一个与原始图像大小相同的模板图像，将对应原始图像需要保留部分的值设置为,1,，其余部分设置为,0,。,图像的乘法可用函数,immultiply,（）实现：,Z=immulitply(X,Y),2.5,图像的代数运算,（,3,）图像的乘法运算,immultiply,将两幅图像相应的像素值进行元素对元素的乘法操作。,图像也可以乘以一个常数，这可以整体改变图像的像素值，也就是图像的明暗度。,2.5,图像的代数运算,immultiply(),2.5,图像的代数运算,（,4,）图像的除法运算,除法运算可用于校正成像设备及过程的非线性影响，在医学断层图像中经常用到。图像除法也可以用来检测两幅图像间的区别，但是除法操作给出的是相应像素值的变化比率，而不是每个像素的绝对差异，因而图像除法也称为比率变换。,可使用,imdivide(),函数实现图像的除法。,Z=imdivide(X,Y),2.5,图像的代数运算,（,4,）图像的除法运算,imdivide,对两幅输入图像的所有相应像素执行元素对元素的除法操作。,图像也可以除以一个常数，实现的效果与图像乘法相同，可以整体改变图像的像素值，但是两者互为逆运算。,主要内容：,（,4,）图像的平移运算,（,2,）图像的旋转运算,（,3,）图像的裁剪运算,（,1,）图像的缩放运算,（,5,）图像的拼接,2.6,图像的几何运算,（,1,）图像的缩放运算,图像的缩放就是改变图像的宽、高。,图像放大必须在原图像中增加新的像素。增加的新像素是根据相邻像素的值通过某种方法计算得到的，这种方法称为,插值运算,。插值不会增加图像的有效信息。,【,例,】,：在原始图像的像素阵列中隔行（列）插入新的空白像素，然后将空白像素用适当的颜色值填充（插值），可以使原图像的宽高分别放大,2,倍，原图像放大,4,倍。,2.6,图像的几何运算,（,1,）图像的缩放运算,图像缩小必须减少原图像的元素。,【,例,】,：原图像的像素阵列中隔行（列）抽掉像素，,可以使原图像的宽高分别缩小为原来的,1/2,，原图像缩小为原来的,1/4,。,2.6,图像的几何运算,（,1,）图像的缩放运算,可以使用函数,imresize(),实现图像的缩放运算。,Y=imresize(X,scale,method);,X,为原图像，,scale,为缩放比例，,method,为插值方法。,常用的插值方法有：,nearest,（最近邻）、,bilinear,(,双线性,),和,bicubic(,双立方,),等。若函数缺省插值方法，默认为,nearest,。,2.6,图像的几何运算,最近邻域插值法,双线性插值法,三立方插值法,图像插值（,interpolation,）是一个图像数据再生的过程，即利用已知像素点的灰度值产生未知像素点的灰度值的过程。,图像的插值,最近邻域法,(,nearest neighbor interpolation,),输出像素的值，是对应输入图象中与其最邻近的采样点的值。,对二维图像，在待求像素的四个邻域像素中，将距离待求像素最近的象素值赋给待求像素。,设输入图像为 ，缩放后输出图像为,K,为缩放比例，则对应公式为：,当以较高比例进行插值时，会出现马赛克效果。,【,例,】,最近邻域法,(,nearest neighbor interpolation,),双线性插值法（,bilinear interpolation,）,设输入图像为 ，缩放后输出图像为,。由于缩放比例通常不是整数，,对应的,x,，,y,可能不是整数。为了得到对应输入图,像的点,(x,，,y),的像素值，双线性插值沿水平和垂直,方向对点,(x,，,y),的,4,个邻域像素取样。,如图所示，先分别算出,f(x,y1),和,f(x,y2),，再根,据,f(x,y1),和,f(x,y2),计算，通过两次插值得到,f(x,y),从而得到对应输出图像的像素,双线性插值法（,bilinear interpolation,）,没有灰度不连续性的缺点,具有低通滤波性质，图像轮廓有一定模糊,双立方插值法,(bicubic,interpolation,),双立方插值以输入图像中的指定像素,f(x,y),为基础,在双线性插值的基础上，沿水平、垂直和对角线方向对,16,个邻近像素取样，根据,16,个像素的加权平均值建立输出图像的新像素。,双立方插值法,(bicubic,interpolation,),（,1,）首先确定辅助点像素：,f(x,1,y),、,f(x,2,y),、,f(x,3,y),、,f(x,4,y),。,（,2,）根据,f(x,1,y),、,f(x,2,y),、,f(x,3,y),和,f(x,4,y),计算,f(x,y),的值,评断插值结果的好坏,第一个标准：走样现象的轻重。放大图像的时候，要看边缘是否产生了锯齿，缩小图像的时候，看看是否有干扰条纹，边缘是否平顺。,第二个标准：边缘是否清晰？,第三个标准：过渡带的层次感细节感怎么样？,原始影像灰度表面 最近邻内插法,双线性插值法 双立方插值法,像素灰度内插法效果比较,（,2,）图像的旋转,利用图像进行三维重建，构造立体模型，需要对图像进行旋转和平移，以实现参照点的配准。平面图像的旋转，各像素的坐标会发生变化，旋转之后不可能都恰好落在整数坐标位置上，因此也需要进行插值运算。,可用函数,imrotate(),对图像进旋转。,Y=imrotate(X,angle,method);,X,为原图像，,angle,为逆时针旋转的角度，,method,为插值方法。,2.6,图像的几何运算,（,3,）图像的裁剪,图像裁剪是保留所选择的有意义的区域，删除其他区域。可以通过交互方式，用鼠标在原图像中选取区域，也可以在程序中用指定坐标的方式选取区域。,可用函数,imcrop(),对图像进裁剪。,Y=imcrop(X);,或者,Y=imcrop(X,x,y,w,h);,x,y,w,h,是定义矩形区域的集合，用,x,y,w,h,来表示，,x,和,y,为裁剪区域左上角的坐标，,w,和,h,为裁剪区域的宽度和高度。,2.6,图像的几何运算,（,4,）图像的平移,图像平移将原图像的全部像素向指定的方向移动指定的距离，图像的大小和像素都不会改变。,可用函数,translate(),和,imdilate(),对图像进平移。,【,例,】,d=strel(1);,%,创建一个“,1,”邻域的结构元素,se=translate(d,N,v,N,h,);,%,按向量,N,v,N,h,指定的方,%,向平移“,1,”邻域的结构元素,Y=imdilate(X,se);,%,使图像,X,按,se,规定的方向平移。,2.6,图像的几何运算,（,5,）图像的拼接,图像拼接将多张图像合并成一张。利用矩阵运算可以方便地实现图像的拼接。,【,例,】,f=imread(b1.jpg);,g=imread(b2.jpg);,h=f;g;,2.6,图像的几何运算,图像的代数运算,改善画质，使图像的显示效果更加清晰,不改变像素位置，改变像素的值,又称为“点运算,”,图像的,几何运算,受成像系统拍摄角度等影响产生几何失真,几何变换不改变像素值，而是改变像素所在的位置,又称几何校正,图像代数运算与几何运算的应用区别,