【正文】 1 畢業(yè)設(shè)計(jì)中文摘要 直方圖與索貝爾算子相結(jié)合的 MR 圖像 腫瘤邊緣檢測方法的研究 摘要： 邊緣檢 測是醫(yī)學(xué)圖像處理的關(guān)鍵技術(shù)之一，是基于邊界的一大類圖像分割方法 。 圖像邊緣檢測是圖像處理 、 圖像分析、模式識別、計(jì)算機(jī)視覺以及人類視覺的基本步驟。 對醫(yī)學(xué)圖像進(jìn)行邊緣檢測的目的是 在有噪聲背景的圖像中確定出目標(biāo)的邊界 ，檢測出醫(yī)學(xué)圖像中不同組織的邊界，以提高臨床醫(yī)生的診斷水平，降低漏診率 .邊界的確定對圖像的分析，理解和識別都有十分重要的作用。 本 課題 主要研究 利用基于直方圖與索貝爾算子相結(jié)合方法檢測 MR 圖像中的腫瘤邊緣。索貝爾算子是一階微分算子，它 具有平滑作用， 可 提供較為精確的邊緣方向信息。但是，這種算法對于紋理較復(fù)雜的圖像 , 其邊緣檢測效果不佳。因此，本課題采用了 將直方圖技術(shù)和索貝爾算子相結(jié)合方法， 來得到 對 MR 腫瘤圖像 較好的 邊緣檢測效果。 關(guān)鍵詞 ： 核磁共振 圖像 邊緣檢測 索貝爾算子 直方圖 1 畢業(yè)設(shè)計(jì)外文摘要 Title The Study of Combining Histogram and Sobel Operator for The Tumor Edge Detection Method in MR Images Abstract Edge detection is one of the key technology of medical image processing, which is a large class of boundarybased image segmentation method. Edge Detection is basic method of image processing, image analysis, pattern recognition, puter vision and human vision. The purpose of edge detection is to identify the obvious point of brightness variations in digital image. Edge detection of medical images is the purpose of determining the boundaries of the target in the background of the image with noise, detecting the boundaries of different anizations of medical images, which can improve the clinical diagnosis level and reduce the rate of misdiagnosis. Determination of the boundary has a very important role in image analysis, understanding and identifying. The paper mainly studies detecting the tumor edge of MR image, which uses Sobel operator bined with Histogram. Sobel operator is firstorder differential operator, which has smooth effect and can provide a relatively accurate edge direction information. But the effect is poor for the more plex texture image. Sobel operator bined with Histogram is used in this paper detecting MR image of the tumor edge to explore the edge detection effect. Keywords： MR image edge detection sobel operator histogram 1 目 次 1 引言 ? ?? ?????? ? ?????? ? ?????? ? ???????? 1 醫(yī)學(xué) 圖像處理的應(yīng)用背景及意義 ??????????????? ??? ? 1 邊緣檢測 在 醫(yī)學(xué) 圖像處理中的應(yīng)用 ?????????????? ? ?? ? 2 2 圖像邊緣檢測 ??????????????????? ?????? ? ? ? 2 邊緣檢測 的 歷史 及 研究現(xiàn)狀 ???????????????????? ? 3 邊緣檢測算子 ?????????? ???? ?????????? ? ? ? 4 3 灰度直方圖 ????????????????? ?????????? ? ? 8 直方圖的基本概念 ???????????????????????? ? 9 直方圖的應(yīng)用?? ???????????????????????? ? 10 4 直方圖與索貝爾算子相結(jié)合的 MR圖像邊緣檢測 ? ??????????? ? 10 索貝爾算子?????????????? ???????????? ? ? 11 直方圖折半查找法 ?? ?????????????????????? ? 13 直方圖 與索貝爾算子相結(jié)合的圖像邊緣檢測 的 Matlab 程序?qū)崿F(xiàn)和結(jié)果 ?? ? 13 結(jié)論 ??????????????????????????????? ?? 24 參 考文獻(xiàn)???????????????????????????? ? 25 致謝?????????????????????????????? ?? ? 27 1 1 引言 醫(yī)學(xué) 圖像處理的應(yīng)用背景及意義 圖像處理最早出現(xiàn)于 20 世紀(jì) 50 年代，當(dāng)時(shí) 電子計(jì)算機(jī)已經(jīng)發(fā)展到一定水平，人們開始 利用計(jì)算機(jī)來處理圖形和圖像信息。 圖像處理作為一門學(xué)科 約形成于 20 世紀(jì)60 年代初期。早期的圖像處理目的是改善圖像的質(zhì)量，以人為對象，以改善人的視覺效果為目的 ， 輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像 。 常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。 圖像處理的產(chǎn)生和迅速發(fā)展 受三個(gè)因素的影響 :一是計(jì)算機(jī)的發(fā)展 。二是數(shù)學(xué)的發(fā)展 (特別是離散數(shù)學(xué)理論的創(chuàng)立和完善 )。三是農(nóng)牧業(yè)、林業(yè)、環(huán)境、軍事、工業(yè)和醫(yī)學(xué)等方面的應(yīng)用需求的增長。 近年來，隨著計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)和醫(yī)療技術(shù)的不斷發(fā)展， 醫(yī)學(xué)圖像已成為臨床診斷、病理 分析及治療的重要依據(jù)和手段 ，醫(yī)學(xué) 圖像處理 (Image Processing)是 用計(jì)算機(jī)對 已獲得的醫(yī)學(xué) 圖像 作進(jìn)一步的處理， 進(jìn)行分析， 其目的或者是使不夠清晰的圖像復(fù)原，或者是為了突出圖像中的某些特征信息，或者是對圖像做模式分類等， 以達(dá)到所需結(jié)果的技術(shù) [1]。 醫(yī)學(xué)圖像包含了大量的病理信息，對臨床的診斷和治療具有非常重要的意義。隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)代醫(yī)學(xué)已經(jīng)越來越離不開醫(yī)學(xué)圖像的處理。然而由于醫(yī)學(xué)成像設(shè)備的成像機(jī)理、獲取條件和顯示設(shè)備等因素的限制， 在一個(gè)圖像系統(tǒng)中，圖像的獲取、發(fā)送、傳輸、接收、輸出、復(fù)制等 各個(gè) 環(huán) 節(jié)都會(huì)產(chǎn)生干擾， 從而降低 圖像 的 質(zhì)量 [2]。 如何對這些 “ 降質(zhì) ” 圖像進(jìn)行處理，滿足實(shí)際需要，是圖像處理的基本要求。 通過圖像變換和圖像增強(qiáng)等技術(shù)來改善圖像的清晰度，突出重要的內(nèi)容，消除不重要的內(nèi)容，以適應(yīng)人眼的觀察和儀器的自動(dòng)分析，這無疑大大提高了臨床診斷的準(zhǔn)確性 [3]。圖像處理主要是對一些圖像進(jìn)行一系列的操作已達(dá)到預(yù)期的目的，包括圖像的數(shù)字化、圖像變換、圖像增強(qiáng)、圖像復(fù)原、圖像壓縮編碼、圖像分割等技術(shù)和內(nèi)容，以達(dá)到診斷、科研等目的。 醫(yī)學(xué)圖像的分析和處理是醫(yī)學(xué)影像技術(shù)極為重要的一個(gè)環(huán)節(jié)，特別是圖像處理技術(shù)中所涉及 的圖像去噪和圖像邊緣檢測技術(shù)已成為當(dāng)前研究的熱點(diǎn) [4]。 2 邊緣檢測 在 醫(yī)學(xué) 圖像處理中的應(yīng)用 圖像邊緣是一種重要的視覺信息 ,圖像邊緣檢測是圖像處理、圖像分析、模式識別、計(jì)算機(jī)視覺以及人類視覺的基本步驟。其結(jié)果的正確性和可靠性 將直接影響到機(jī)器視覺系統(tǒng)對客觀世界的理解。 圖像邊緣是圖像最基本的特征之一，往往攜帶著一幅圖的大部分信息。而邊緣存在于圖像的不規(guī)則結(jié)構(gòu)和不平穩(wěn)現(xiàn)象中，也即存在于信號的突變點(diǎn)處，這些點(diǎn)給出了圖像輪廓的位置，這些輪廓常常是我們在圖像分析時(shí)所需要的非常重要的一些特征，這就需要我們對一幅圖像 檢測并提取它的邊緣 [5]。 邊緣檢測是醫(yī)學(xué)圖像處理的關(guān)鍵技術(shù)之一， 也是難點(diǎn)之一， 是基于邊界的一大類圖像分割方法，其基本思想是通過尋找圖像中不同區(qū)域的邊界，從而達(dá)到圖像分割的目的。圖像中，在兩個(gè)灰度不同的相鄰區(qū)域的交界處，必然存在著灰度的快速過渡或稱為跳變，它們與圖像中各區(qū)域邊緣的位置相對應(yīng)。邊緣蘊(yùn)含了豐富的內(nèi)在信息（如方向、階躍性質(zhì)、形狀等等），從某種意義上說，圖像的大部分信息都集中在這里。邊界的確定對圖像的分析，理解和識別都有十分重要的作用 [6]。 邊緣檢測在許多方面都有非常重要的使用價(jià)值，它的解決對進(jìn)行 高層次的特征描述、識別和理解都有著重要影響。 對醫(yī)學(xué)圖像進(jìn)行邊緣檢測的目的是 在有噪聲背景的圖像中確定出目標(biāo)的邊界 ，檢測出醫(yī)學(xué)圖像中不同組織的邊界，以提高臨床醫(yī)生的診斷水平，降低漏診率 時(shí)期 。它在醫(yī)學(xué)圖像匹配、腫瘤病灶確定、造影血管檢測、左心室邊緣提取等方面發(fā)揮著重要的作用， 邊緣檢測的好壞 ， 會(huì)直接影響到后續(xù)的治療過程。 因此，研究圖像邊緣檢測算法具有極其重要的意義。 2 圖像邊緣檢測 邊緣是指圖像中像素灰度有階躍變化或屋頂狀變化的那些像素的集合。它存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域、基元與基元之間。它對 圖像識別與分析十分有用：能勾畫出目標(biāo)物體輪廓，使觀察者能一目了然；包含了豐富的信息（如方向、階躍性質(zhì)、形狀等），使圖像識別中抽取的重要屬性 [7]。 圖像邊緣是一種重要的視覺信息 ， 圖像邊緣檢 測是圖像處理、圖像分析、模式識別、 計(jì)算機(jī)視覺以 及人類視覺的基本步驟。 其結(jié)果的正確性和可靠性 將直接影響到機(jī)器視覺系統(tǒng)對客觀世界的理解。 實(shí)現(xiàn)邊緣檢測有很多不同的方法 ， 也一直是圖像處理 3 中的研究熱點(diǎn) ，人們期望找到一種抗噪強(qiáng)、定位準(zhǔn)、 不漏檢 、 不誤檢的檢測算法 [8]。 邊緣檢測 的 歷史 及 研究現(xiàn)狀 邊緣檢測是一個(gè)古老而又年輕的課 題。 長期以來，人們已付出許多努力，設(shè)法利用邊界來尋找區(qū)域，進(jìn)而實(shí)現(xiàn)物體的識別和景物分析，由于目標(biāo)邊緣、圖像紋理甚至噪聲都可能成為有意義的邊緣，因此很難找到一種普適性的邊緣檢測算法 。 由于邊緣是圖像上灰度變化最劇烈的地方，傳統(tǒng)的邊緣檢測就是對圖像各個(gè)像素點(diǎn)進(jìn)行微分或求二階微分來確定邊緣像素點(diǎn)。 其目的是 在有噪聲背景的圖像中確定出目標(biāo)的邊界 ，檢測出醫(yī)學(xué)圖像中不同組織的邊界，以提高臨床醫(yī)生的診斷水平，降低漏診率 [9]。它在醫(yī)學(xué)圖像匹配、腫瘤病灶確定 等方面發(fā)揮著重要的作用， 邊緣檢測的好壞 ,會(huì)直接影響到后續(xù)的治療過程。 因 此，研究圖像邊緣檢測算法具有極其重要的意義。 早在 1959 年 Julez 就曾提及邊緣檢測技術(shù)，而 Roberts 則于 1965 年開始了最早期的系統(tǒng)研究，從此有關(guān)邊緣檢測的理論方法不斷涌現(xiàn)并推陳出新。后來 有人提出邊緣檢測算子，主要分為經(jīng)典算子、最優(yōu)算子、多尺度方法及自適應(yīng)平滑濾波方法。 邊緣檢測算子就是通過檢查每個(gè)像素點(diǎn)的鄰域并對其灰度變化進(jìn)行量化來達(dá)到邊界提取的目的，而且大部分的檢查算子還可以確定邊界變化的方向。圖像中的邊緣檢測最開始使用的都是一些非常經(jīng)驗(yàn)的方法，用一些局部算子，如梯度的估計(jì)，又如用邊緣的特征 模塊對圖像進(jìn)行卷積，然而由于這些方法普遍存在一些明顯的缺陷，導(dǎo)致其檢測結(jié)果并不盡如人意 [10]。 20 世紀(jì) 80 年代， Marr 和 Canny 相繼提出了一些更為系統(tǒng)的理論和方法，逐漸使人們認(rèn)識到邊緣檢測的重要研究意義。隨著研究