【正文】 面的應(yīng)用 數(shù)字圖像處理在生物醫(yī)學工程方面的應(yīng)用十分廣泛而且很有成效除了上面介紹的 CT 技術(shù)之外還有一類是對醫(yī)用顯微圖像的處理分析如紅細胞白細胞分類染色體分析癌細胞識別等此外在 X 光肺部圖像增析超聲波圖像處理心電圖分析立體定向放射治療等醫(yī)學診斷方面都廣泛地應(yīng)用圖像處理技術(shù) 通信工程方面的應(yīng)用 當前通信的主要發(fā) 展方向是聲音文字圖像和數(shù)據(jù)結(jié)合的多媒體通信具體地講是將電話電視和計算機以三網(wǎng)合一的方式在數(shù)字通信網(wǎng)上傳輸其中以圖像通信最為復(fù)雜和困難因圖像的數(shù)據(jù)量十分巨大如傳送彩色電視信號的速率達 100Mbits 以上要將這樣高速率的數(shù)據(jù)實時傳送出去必須采用編碼技術(shù)來壓縮信息的比特量在一定意義上講編碼壓縮是這些技術(shù)成敗的關(guān)鍵除了已應(yīng)用較廣泛的熵編碼 DPCMelbrot 在總結(jié)了自然界中的非規(guī)整幾何圖形后于 1975年第一次提出了分形的概念 Mandelbrot給分形的定義為設(shè)的豪斯道夫維數(shù)是 D 如果這個維數(shù)恒大于集合 A 的拓撲維數(shù) Dt 則稱集合 A 是分形集簡稱分形上述定義沒有其他任何條件要求 1986年 Mandelbrot又給出了分形的第二個定義組成部分與整體以某種相似的形叫做分形這個定義突出了相似性的作用反映了自然界中很廣泛一類物體的基本屬性局部與局部局部與整體在形態(tài)功能信息時間與空間等方面具有統(tǒng)計意義上的相似性簡單地說分形就是一個維數(shù)大于拓撲維數(shù) 的集合分形維數(shù)的一大特點是尺度變換不變性分形幾何學已經(jīng)廣泛應(yīng)用于圖像壓縮和圖像編碼并且取得了較好的效果同時也有一些研究者將分形特征用于自然紋理圖像和自然景物的分割與識別中分形維數(shù)特征對圖像尺度變換不敏感與人對物體表面粗糙度的判斷有很大的相關(guān)性由于許多自然紋理都具有線形對數(shù)功率譜而分形維數(shù)就對應(yīng)于這種線形對數(shù)功率譜斜率的估計值因而用分形維數(shù)描述自然紋理有一定的合理性 2 基于神經(jīng)網(wǎng)絡(luò)的圖像分割技術(shù) 使用神經(jīng)網(wǎng)絡(luò)模型可以實現(xiàn)圖像分割算法 Blanz and Gish 使用一個多層前向神經(jīng)網(wǎng)絡(luò)用于圖像分割輸入層神經(jīng)元 的數(shù)目取決于輸入特征數(shù)而輸出層神經(jīng)元的數(shù)目等同于分類的數(shù)目由于 BP 網(wǎng)絡(luò)能完成 n 維空間輸入節(jié)點數(shù)為 n 到 m 維空間輸出節(jié)點數(shù) m的復(fù)雜非線形映射因此它具有 Laplacian算子的能力用神經(jīng)網(wǎng)絡(luò)可以獲得良好的結(jié)果而且用神經(jīng)網(wǎng)絡(luò)處理一旦訓(xùn)練完畢各節(jié)點間的互聯(lián)權(quán)就完全確定在識別時具有很快的速度 Babaguchi 等使用多層 BP 神經(jīng)網(wǎng)絡(luò)用于閾值分割圖像輸入是統(tǒng)計直方圖輸出是想要的閾值使用這種方法在神經(jīng)網(wǎng)絡(luò)學習階段需要大量的已知閾值的樣本圖像以用于調(diào)節(jié)網(wǎng)絡(luò)參數(shù)產(chǎn)生合適的輸出但在實際應(yīng)用中要獲得大量的樣本圖像是十分困難的 MLiang 借助于松弛標記技術(shù)與人工神經(jīng)網(wǎng)絡(luò)的有關(guān)理論提出了一種用 Kohonen 網(wǎng)絡(luò)作從網(wǎng)絡(luò)粗分的主從神經(jīng)網(wǎng)絡(luò)分割方法從網(wǎng)絡(luò)的分割結(jié)果用于確定主網(wǎng)絡(luò)中各神經(jīng)元的初始狀態(tài)然后主網(wǎng)絡(luò)從這一初始狀態(tài)出發(fā)進行狀態(tài)的動態(tài)演變直至收斂到主網(wǎng)絡(luò)的某一吸引子這時主網(wǎng)絡(luò)的狀態(tài)對應(yīng)于分割后的圖像這種方法能夠分割低信噪比條件下圖像實驗證明它比最佳鑒別門限準則門限分割法與矩陣保持門限分割法具有更好的效果并且可以實現(xiàn)實時處理類似的用于從高度噪聲破壞的景物中提取對象的方法還可以使用 Hopfield 類型神經(jīng)網(wǎng)絡(luò) 圖 11 主要流程圖 第二章 數(shù)字圖像處理的處理方式 21MATLAB 的核心上控制流語句函數(shù)數(shù)據(jù)結(jié)構(gòu)輸入輸出及面向?qū)ο缶幊烫卣鞯母呒壘仃嚁?shù)組語言 MATLAB 不但允許用戶交互地即算的小程序也允許建立完整和復(fù)雜的龐大應(yīng)用程序 工作環(huán)境 MATLAB的工作環(huán)境是隨使用者作為 MATLAB用戶或程序員一同工作的龐大工具和功能性程序的集合 MATLAB 在 用戶工作區(qū)中執(zhí)行變量管理和輸入輸出數(shù)據(jù)的功能 MATLAB 也包含一些游泳的工具并提供了一個集成的開發(fā)環(huán)境 句柄圖形句柄圖形上 MATLAB 的圖形系統(tǒng)包括二維三維數(shù)據(jù)的可視化圖形圖像處理動畫和顯示圖形的高級指令也包括允許擁護全面控制圖形外觀以及在用戶 MATLAB 應(yīng)用程序中建立完整圖形用戶界面 GUI 的底層指令 數(shù)學函數(shù)庫 MATLAB 為滿足復(fù)雜高科技計算任務(wù)大需要匯集了大量有價值的科學和工程計算算法范圍從初等函數(shù)復(fù)數(shù)運算直到復(fù)雜函數(shù)如矩陣求逆矩陣特征值奇異值 Bessel程序的文件庫其功能包括從 MATLAB中調(diào)用 C或 Fortran程序調(diào)用 MATLAB 作為 C 或 Fortran 計算引擎以及讀寫 MAT 文件 MATLAB 之所以成為世界頂尖的科學計算與數(shù)學應(yīng)用軟件是因為它隨著版本的升級與不斷完善而具有越來越強大的功能 MATLAB 出色的數(shù)值計算功能是使之優(yōu)于其他數(shù)學應(yīng)用軟件的決定性因素之一尤其是當今流行的 MATLAB61 版本其數(shù)值計算功能可謂十分完善了 image processing toolbox 包括了經(jīng)典圖像處理的許多方面如圖像的集合操作鄰域和區(qū)域操作圖像變換圖像的恢復(fù)增強和分割線性濾波器和濾波器設(shè)計圖像分析和統(tǒng)計色彩集合及形 態(tài)操作等方面它集數(shù)值分析矩陣運算信號處理和圖形顯示于一體其強大的擴展功能為各個領(lǐng)域的應(yīng)用提供了基礎(chǔ) Matlab 工具箱中主要包括信號處理 signal processing 控制系統(tǒng) control system 神經(jīng)網(wǎng)絡(luò) neural work 圖像處理 image processing 魯棒控制 robust control 非線形 系 統(tǒng) 控 制 nonlinear system control design 系 統(tǒng) 辨 識 system identification 小波 wavelet 等工具箱同時 MATLAB 還提供了多種圖像文件格式的讀寫和顯示這使得在 MATLAB 的集成環(huán)境中可以輕松實現(xiàn)圖像處理這些工具箱給各個領(lǐng)域的研究和工程應(yīng)用提供了有力的工具 在圖像集合操作方面 MATLAB 的圖像集合操作提供了插值函數(shù)圖像尺寸調(diào)整以及任意角度的圖像旋轉(zhuǎn)可以對圖像進行縮放旋轉(zhuǎn)和剪切等操作 圖像濾波方面 MATLAB 圖像處理工具箱提供了 Fourier 變換離散余弦變換Radon 變換以及這些變換的逆變換等同時也可以利用 MATLAB 的小波變換工具箱來實現(xiàn)圖像的小波變換 在二值圖像處理方面 MATLAB 圖像處理工具箱的二值圖像操作實現(xiàn)了 二值圖像的數(shù)學形態(tài)算法 MATLAB 預(yù)定義的形態(tài)學操作有二值圖像的腐蝕膨脹開運算閉運算等數(shù)學形態(tài)學算法和對象標識和測量算法同時還提供了灰度圖像的形態(tài)學變換包括 Tophat 變換 Watershed 等第四章 圖像分割的概念和算法的研究 圖像分割 Image Segmentation 是把圖像分割成若干個特定的具有獨特性質(zhì)的區(qū)域并提取出感興趣的目標的技術(shù)和過程在對圖像的研究和應(yīng)用中人們往往僅對圖像的某些部分感興趣目標或背景他們一般對應(yīng)圖像中的特定的具有獨特性質(zhì)的區(qū)域為了分析和識別目標需要將他們分割并提取出來 圖像分割 是由圖像處理轉(zhuǎn)到圖像分析的關(guān)鍵一方面它是目標圖像表達的基礎(chǔ)對特征測量有重要的影響另一方面圖像分割和分割的目標表達特征提取和參數(shù)測量等將原始圖像轉(zhuǎn)化為數(shù)學表達形式使得利用計算機進行圖像分析和理解成為可能本章主要介紹圖像分割的基本概念和分割所用的主要方法 41 圖像分割的基本概念 割定義 有關(guān)圖像分割的解釋和表述很多借助于集合概念對圖像分割可以給出如下比較正式的定義 令集合 R代表整幅圖像的區(qū)域?qū)?R的分割可看成將個滿足以下 5個條件的非空子集子區(qū)域 ① ②對所的 i 和 j 有 i≠ j Φ ③對 i 12N 有 P True ④對 i≠ jP False⑤ i 12 N 是連通的區(qū)域 PΦ代表空集 下面先對上述各個條件分別給予簡略解釋條件①指出對一幅圖像所得的全部子區(qū)域的綜合并集應(yīng)能包括圖像中所有像素就是原圖像或者說分割應(yīng)將圖像的每個像素都分進某個區(qū)域中條件②指出在分割結(jié)果中各個子區(qū)域是互不重疊的或者說在分割結(jié)果中一個像素不能同時屬于兩個區(qū)域條件③指出在分割結(jié)果中每個子區(qū)域都有獨特的特性或者說屬于同一個區(qū)域中的像素應(yīng)該具有某些相同特性條件④指出在分割結(jié)果中不同的子區(qū)域具有不同的特性沒有公共元素或者說屬于不同區(qū)域的像素應(yīng)該具有一些不同的特 性條件⑤要求分割結(jié)果中同一個子區(qū)域內(nèi)的像素應(yīng)當是連通的即同一個子區(qū)域的兩個像素在該子區(qū)域內(nèi)互相連通或者說分割得到的區(qū)域是一個連通組元 另外上述這些條件不僅定義了分割也對進行分割有指導(dǎo)作用對圖像的分割總是根據(jù)一些分割準則進行的條件①與條件②說明正確的分割準則應(yīng)可適用于所有區(qū)域和所有像素而條件③和條件④說明合理的分割準則應(yīng)能幫助確定各區(qū)域像素有代表性的特性條件⑤說明完整的分割準則應(yīng)直接或間接地對區(qū)域內(nèi)像素的連通性有一定的要求或限定 最后需要指出實際應(yīng)用中圖像分割不僅要把一幅圖像分成滿足上面 5 個條件的各具特性的區(qū) 域而且需要把其中感興趣的目標區(qū)域提取出來只有這樣才算真正完成了圖像分割的任務(wù) 割算法分類 圖像分割算法的研究一直受到人們的高度重視到目前為止提出的分割算法已經(jīng)多達上千種由于現(xiàn)有的分割算法粉腸多所以將它們進行分類的方法也提出了不少例如有把分割算法分成 3 類的①邊緣檢測②閾值分割和③區(qū)域生長但事實上閾值分割算法分割的方法在本質(zhì)上也是一種區(qū)域提取方法所以③實際上包含了① 本章從實際應(yīng)用的角度考慮詳細介紹了圖像分割的如下算法分割檢測閾值分割區(qū)域生長等 42 邊緣檢測方法 測概述 邊緣 Edge 是指圖像局部亮度 變化最顯著的部分邊緣主要存在于目標目標與背景區(qū)域與區(qū)域包括不同色彩之間是圖像分割紋理特征提取和形狀特征提取等圖像分析的重要基礎(chǔ)圖像分析和理解的第一步常常是邊緣檢測 Edge Detection由于邊緣檢測十分重要因此成為機器視覺研究領(lǐng)域最活躍的課題之一本節(jié)主要討論邊緣檢測和定位的基本概念并通過幾種常用的邊緣檢測器來說明邊緣檢測的基本問題 圖像中的邊緣通常與圖像亮度或圖像亮度的一階導(dǎo)數(shù)的不連續(xù)性有關(guān)圖像亮度的不連續(xù)可分為①階躍不連續(xù)即圖像亮度在不連續(xù)處的兩邊的像素灰度值有著顯著的差異②[ij]及其方向θ的綜合邊緣的方向是可以是梯度角 邊緣檢測器從圖像中抽取邊緣邊緣點或邊緣段集合的算法 輪廓邊緣列表或是一條邊緣列表的曲線模型 邊緣連接從無序邊緣表形成有序邊緣表的過程習慣上邊緣的表示采用順時針方向來排序 邊緣跟蹤一個用來確定輪廓圖像指濾波后的圖像的搜索過程 邊緣點的坐標可以 是邊緣位置像素點的行列整數(shù)標號也可以在子像素分辨率水平上表示邊緣坐標可以在原始圖像坐標系上表示但大多數(shù)情況下是在邊緣檢測濾波器的是輸出圖像的坐標系上表示因為濾波過程可能導(dǎo)致圖像坐標平移或者縮放邊緣段可以用像素點尺寸大小的小線段定義或用具有方向?qū)傩缘囊粋€點定義在實際應(yīng)用中邊緣點和邊緣段都稱為邊緣 由于邊緣檢測器生成的邊緣集分成兩個真邊緣和假邊緣集真邊緣集對應(yīng)場景中的邊緣假邊緣集不是場景中的邊緣還有一個邊緣集即場景中的漏邊緣