基于医学图像的中值滤波去噪研究应用及的实现刘建强.doc

科 研 训 练题 目：基于医学图像中值滤波去噪研究及MATLAB实现指引教师：宁春玉学生姓名：刘建强班级学号：评语和成绩：基于医学图像中值滤波去噪研究及MATLAB实现摘要：依照扫描工程图像特点，研究了图像中噪声产生机理和消除办法；提出了运用中值滤波法消除医学图像噪声实用办法。使用软件工具MATLAB迅速地实现了图像中值滤波。 成果表白，运用中值滤波法消除图像中随机噪声（你文中加是椒盐噪声）是图像噪声解决最佳办法。其中尚有不少改进算法，使得去噪效果变得又快又好。核心字：图像去噪 中值滤波 噪声 MATLABAbstract：According to the engineering characteristics of the image scanning，study of the noise in the image forming mechanism and eliminating methods；A proposal that the use of median filtering method to eliminate the noise in medical image and practical method is made. Use the software tool MATLAB quickly realized the image median filter. The results show that，by using median filtering method to eliminate the random noise in images is the best method of image noise processing. Many of the improved algorithm，the denoising effect is fast and well.Key Word：Image denoising The median filter Noise MATLAB（1） 文中公式一律用公式编辑器完毕（2） 中文摘要请参照有关文献，再修改一下。简洁明快，阐明研究目、研究办法、研究成果（3） 题目改成：医学图像中值滤波MATLAB实现行不？引言噪声是影响CT图像质量至关重要因素，当病变组织与正常衰减系数相差很小时，高噪声CT将无法辨别此病症。CT诊断重要是根据CT影响（影像？）所提供正常或异常信息作出诊断结论，病变诊断符合率取决于图像质量，优质CT图像是诊断 精确先决条件。因而，需要尽量减少噪声影响。图像噪声按其来源可分为加性噪声、乘性噪声、量化噪声、椒盐噪声等;（注意符号是全角状态）按噪声性质则可分为高斯噪声和脉冲噪声两类。当前，惯用图像噪声滤波办法有基于频率域低通滤波法，基于空间域均值滤波、中值滤波等平滑滤波法。删掉：带通滤波法， 平滑滤波， 锐化滤波（这不是去噪算法）， 均值滤波，中值滤波（这两个都是空间域平滑滤波中详细办法）等办法。中值滤波法是消除随机图像噪声最佳办法，特别是取出椒盐和脉冲噪声。本文将简介运用中值滤波对图像去噪解决及其改进算法1。（此处加文献引用不适当。这不是引自别人论断或重要结论。你可以在简介详细算法时，第一次提处处加上引用标志。）1.中值滤波基本原理中值滤波是基于排序记录理论一种能有效抑制噪声非线性信号解决技术。这种滤波器长处是运算简朴并且速度快，在滤除叠加白噪声和长尾叠加噪声方面显示了极好性能。中值滤波器在滤除噪声同步能较好地保护图像边沿，使图像较好地复原。此外，中值滤波器很容易自适应化，从而可以进一步提高其滤波性能。因而，它就非常适应于某些线性滤波器无法胜任数字图像解决应用场合。中值滤波基本原理2是：一方面拟定一种以某像素为中心点邻域，然后将该邻域中各个像素灰度值进行排序，取其中间值作为中心点像素灰度新值。这里邻域称为窗口，当窗口在图像中上下左右进行移动后。运用中值滤波算法就可以较好地对图像进行平滑解决。在一维下中值滤波算法定义为：当n为奇数时,n个数1,2,n中值就是按数值大小顺序处在中间位置数；当n为偶数时,定义两个中间数平均值为中值.用符号med（1,2,n）来表达中值。例如：med（1,3,4,0，6）=3。在二维下中值滤波算法定义为：设xij表达数字图像各点灰度，这里（i,j）取遍Z2或Z2某子集。滤波器窗口为A，其尺寸为N=（2K+1）X（2K+1）（用公式编辑器写），yij是窗口A在xij中值,则：yij= medxi+r,j+s,(r,s) A。中值滤波器是一种邻域运算，是把邻域中像素按灰度级进行排序，然后选取该组中中间值作为输出像素值。详细环节是：将模板在图像中漫游，并将模板中心与图像中某个像素位置重叠；读取模板下个相应像素灰度值：将这些灰度值从小到大排成一列；找出这些值里排在中间一种；将这个中间值赋给相应模板中心位置像素。可见，中值滤波就是让与周边像素灰度值差比较大像素改取与周边像素值接近值，从而可以消除孤立噪声点。在一定条件下，中值滤波可以克服线性滤波器如最小均方滤波均值滤波等带来图像细节模糊，并且对滤除脉冲干扰及图像扫描噪声最为有效。中值滤波核心在于选取适当窗口大小及窗口形状。2.数字图像中值滤波MATLAB实现（改为：中值滤波去除医学图像噪声MATLAB实现）MATLAB是Math Works公司推出一种实现工程和科学运算、建模和仿真，原型开发，数据分析及可视化，科学和工程绘图，应用程序设计等方面多功能软件系统。它已广泛应用于生物医学工程、图像信息解决、信号分析、时间序列分析、控制论和系统论等各个领域，作为一种编程语言和可视化工具，MATLAB具备使用以便、语法简朴、函数丰富、界面和谐和开放性强等特点。它强大工具箱中有许多关于数字图像解决函数，调用这些函数给咱们提供很大以便。它是开放式，可以应用，也可以依照自己需要进行扩展。为此，MATLAB语言已经成为当前使用最为广泛工程应用软件之一3。2.1 程序实现此处简介用到函数，把程序也写在这里吧。2.1 中值滤波去噪实验成果（改成2.2 实验成果 把图1和图2都集中放在这一节中。加好图标号和标题。）实验1 在原始图像增长方差0.02椒盐噪声后。使用原则中值滤波办法进行解决。成果如图1和表1所示。图1（a）为原始灰度图像；图1(b)为加了方差0.02椒盐噪声后图像；图1(c)为用中值滤波解决图1(b)得到图像。 图1（a）原始图像 图2（b）加椒盐噪声 图3（c）滤波后图像图1 要加上详细图标题表1 3X3中值滤波RPSN值算法 RPSN3X3中值滤波 20.0510实验2 在原始图像添加方差0.25椒盐噪声，采用7X7滤波窗口解决图像。图2为解决后图像，表2为相应RPSN值。 图2（a）原始图像 图2（b）添加方差0.25椒盐噪声 图2（c）滤波后图像图22.3 算法评价与分析（加上这一节，先简介用于评价指标。然后把前面关于评价表格数据，分析文字都放在这一节中简介。最佳把表1和表2合二为一。）如下实验均采用峰值信噪比(RPSN) 作为评价原则。RPSN 定义为：RPSN= 式中：为原始图像灰度值； 为滤波后图像灰度值，M和N分别为横向与纵向像素个数4。表2 7X7中值滤波RPSN值算法 RPSN7X7中值滤波 10.9445结合比较图1和图2，表1和表2可得：实验2中添加了方差为0.25椒盐噪声模糊图像大某些细节，但中值滤波都获得了不错去噪效果，基本上去除了噪声影响。对比采用3X3和7X7窗口中值滤波效果，同步结合相应RPSN值，可以看出采用7X7窗口中值滤波，边沿细节有不少损失，图像比采用3X3窗口办法更加模糊。可得结论为：中值滤波对于低密度噪声信号有较好去噪效果，但对于高密度噪声去噪效果不是非常好。3. 一种有效迅速中值滤波算法 （阐述时逻辑构造清晰，体现该算法长处）虽然这种老式中值滤波法对图像边沿只有较少损失，但由于扫描进入计算机后图像自身会有边沿模糊性，由于达不到真正改进图像质量目。并且对所需有用信息，通过滤波后没有突出体现出来。对于医学图像来说，设法补偿降质因素比较困难，因此咱们在数据预解决过程。重要用图像增强技术即滤波技术对CT图像进行解决，突出感兴趣特性，衰减次要信息。但是想要用滤波办法把噪声所有滤除而不损失原信号强度几乎是不也许，因此滤波器设计所追求目的有两条：最大限度地保持信号不受损失，不能损坏图像轮廓及边沿等重要信息；同步尽量多地滤除噪声，使图像清晰，视觉效果好。为了为医学体绘制研究工作提供更为清晰、精确、无误CT图像。本文提出了改进边沿增强中值滤波办法对原始医学CT图像进行解决。文中采用3x3滤波窗1：3，解决CT图像是灰度级为256灰度图像，3x3灰度矩阵w为：其中wi为无符号数，wi0,256,i0,8整数。在老式中值滤波办法中，就是直接对w0w8。进行排序，然后取中间值作为该像素灰度值这样边沿信息就会被削弱。为了增强边沿信息。针对矩阵构造一种中间矩阵M：其中 mi为无符号数，并设定一种边沿附近灰度阈值为f，则令mi=f,i0，2整数；mi=wi,i3,8整数。然后按老式中值滤波法对矩阵M进行排序，选用中间值。由于中值滤波选用中值时候要先进行排序，因此它是一种很耗时间滤波解决。为了加速其滤波解决速度，运用滤波窗口内数据有关性，当窗口一次向右移动一列时候，让窗口内数据变化为新一列数据更换掉了窗口内某一列数据，详细原理是这样，假设窗口大小为mxn，那么窗口内将会有m个数据发生了变化，别的m（n-1）个数据保持不变，她们不需要重新排序，加速了滤波解决过程5。对上述中间窗口矩阵M，当窗口初次向右移动时，数据mm3,m6被剔除，被滤波图像中一列数据fi,j、fi+1,j加入，数据m0、m1、m2、m3、m4、m5、m6、m7、m8及其排列顺序保持不变，得到新滤波窗口M：当窗口在向右移动一次时。用新一列图像像素灰度值fi,j+1、fi+1,j+1来剔除M中中间一列m4、m7，从而得到一新滤波窗口M；窗口再一次向右移动时，接着用随后被滤波图像中一列灰度值fi,j+2、fi+1,j+2来剔除滤波窗口M中右边一列相应m5、m8。这样循环操作。在移动剔除过程中。将新值与排序好原窗口内相应位置值进行比较。完毕新一次排序，从而选出中值。这样明显减少了排序比较次数，加快滤波解决过程。由于在轮廓边沿处，m3m8中，必然既有不不大于f值，也有不大于f值，排序成果顺序会满足背景像素、f、前景像素这样顺序，因此这样就会使得排序成果中间值一定为m0m2中一种，即为r，边沿处像素就设定为了返回像素灰度值，从而突出了边沿信息；在其他地方，m3m8中除孤立噪声像素外，要么同不不大于f要么同不大于f，因此m0-m2对排序成果影响不大，能去除孤立噪声。通过上述有效改进中值滤波，既能有效地消除孤立噪声，又能保证边沿不被模糊并且速度也加快了。本文采用医学CT图像数据中噪声干扰大多为孤立噪声，运用改进后中值滤波进行数据场预解决得到图像效果可以满足实验规定。算法1给出了这种改进迅速有效中值滤波算法流程。算法1迅速有效中值滤波过程，以3x3滤波窗口为例Stepl：建立一种3 X 3滤波窗口W；Step2：依照绘制规定，人工干预，预计给出一种边沿附近灰度阈值f；Step3：由r构造中间滤波窗M；Step4：将中值滤波窗口M沿着图像序列均匀移动按上述算法描述过程循环对窗El内数据进行剔除变换和迅速排序；Step5：对每次替代和排序好窗口数据，求出其中问值。来代替中心位置原始图像数据。由表3可知，改进迅速中值滤波算法大大提高了滤波效果和速度。表3 两种中值滤波算法比较算法窗口尺寸解决时间(s)老式中值滤波3X31.8本文迅速有效中值滤波3X30.64.结论在图像解决过程中，消除图像随机噪声干扰是一种非常重要问题。采用中值滤波消除图像随机噪声效果较好，同步，滤波后图像又能符合人眼视觉感觉。此外，应用MATLAB语言对数字图像进行中值滤波等一系列解决时具备编程简朴、操作以便、解决速度快等特点，使图像解决工作者可以从啰嗦编程工作中解脱出来。虽然老式中值滤波有一定局限性，对于较高密度噪声信号，去噪效果不是非常好，但是可以通过改进其算法，使得效果符合咱们规定，这里体现出了中值滤波灵活性，可以较好地按照顾客规定来完毕效果。参照文献：1 叶鸿瑾，张雪英，何小刚. 基于小波变换和中值滤波医学图像去噪J.太原理工大学学报，,36(5)；2 江景涛，姜学东，李福荣. 运用中值滤波去除图像噪声研究及MATLAB实现J. 莱阳农学院学报（自然科学版）,23(1)； 3 张欣，刘英，高秀艳.自适应投票迅速中值滤波算法研究J.计算机工程与用 ,(6)；4 牛翠霞，范辉，康旭辉. 基于医学图像有效中值滤波算法研究J. 微计算机信息，,24(3)；5张燕一种改进迅速中值滤波算法J安徽建筑工业学院学报（自然科学版），16(4)。附录clc,clear,close allA=imread(E:kyxlfei1.jpg)； %读取肺部CT图像B=rgb2gray(A);C=imnoise(B,salt & pepper,0.25)； %添加方差为0.25椒盐噪声D=medfilt2(C,7,7)； %采用7X7中值滤波subplot(1,3,1),imshow(B) %显示原图像subplot(1,3,2),imshow(C) %显示添加噪声后图像subplot(1,3,3),imshow(D) %显示滤波后图像