【正文】 circfit()， 在編寫(xiě)回調(diào)函數(shù)時(shí)調(diào)用 。 本文的特色和優(yōu)點(diǎn) 本文研究的內(nèi)容有以下幾個(gè)特色和優(yōu)點(diǎn)： ◆針對(duì)骨科圖像的 具體 特點(diǎn) ， 結(jié)合圖像預(yù)處理 ， 經(jīng)典邊緣算子 ，數(shù)學(xué) 形態(tài)學(xué) 等方法較好的 提取了目標(biāo)圖像的 邊緣； ◆充分利用 MATLAB 強(qiáng)大的數(shù)學(xué)計(jì)算功能 ， 在提取出邊緣的基礎(chǔ)上實(shí)現(xiàn)了對(duì) 圖像相關(guān)信息的 定量測(cè)量 ； ◆利用 GUIDE 設(shè)計(jì)出一個(gè)處理以上信息的 信息處理系統(tǒng)， 使研究的成果能夠更好的展現(xiàn)以及應(yīng)用于實(shí)踐 。 ◆ 將單個(gè)算法程序 綜合到 GUIDE 中的轉(zhuǎn)換 由于剛開(kāi)始是一個(gè)問(wèn)題一個(gè)問(wèn)題的解決 ， 到 最 后應(yīng)用 GUIDE 進(jìn)行綜合編程時(shí)有許多地方不同 ， 因此走了很多彎路 ， 后來(lái)通過(guò)老師的指導(dǎo)和更深入的研究 ， 使問(wèn)題得以解決 。 ◆設(shè)計(jì)出功能更強(qiáng)大 ， 測(cè)量 信息更多更精確， 更具實(shí)踐性和操作性的系統(tǒng) 。 gui_State = struct(39。, gui_Singleton, ... 39。, bishe_OutputF, ... 39。, [])。 end if nargout [varargout{1:nargout}] = gui_mainf(gui_State, varargin{:})。 function varargout = bishe_OutputF(hObject, eventdata, handles) varargout{1} = 。},39。 [pathstr, name, ext, versn] = fileparts(fname)。 elseif ext==39。請(qǐng)輸入 DICOM 或 JPEG 圖片文件 39。 end axes()。 =(rect(2):rect(2)+rect(4),rect(1):rect(1)+rect(3))。 %提取邊緣 function pushbutton3_Callback(hObject, eventdata, handles) I=。 M0=。 廈門(mén)大學(xué)通信工程系 20xx 級(jí)本科畢業(yè)論文 39 for j=1:col。 X0=I1。 for i=2:row1 for j=2:col1 Dx=(X(i+1,j1)X(i1,j1)+2*(X(i+1,j)X(i1,j))+X(i+1,j+1)X(i1,j+1))^2。 。 g(i,j)=round(sqrt(Dx+Dy))。 g=zeros(row,col)。 else Nor(i,j)=M0(V0*(I1(i,j)M)^2/VAR)^(1/2)。 [row,col]=size(I1)。 M=mean2(I)。 imshow(,[])。 廈門(mén)大學(xué)通信工程系 20xx 級(jí)本科畢業(yè)論文 38 guidata(hObject,handles)。Warning!39。 =imread([fpath fname])。.dcm39。)。*.dcm。 廈門(mén)大學(xué)通信工程系 20xx 級(jí)本科畢業(yè)論文 37 end function bishe_OpeningF(hObject, eventdata, handles, varargin) = hObject。amp。, [] , ... 39。, bishe_OpeningF, ... 39。, mfilename, ... 39。在此對(duì)趙老師致以誠(chéng)摯的感謝！同時(shí)我還要感謝 108 實(shí)驗(yàn)室的學(xué)長(zhǎng)學(xué)姐以及我身邊的朋友們，感謝他們?cè)谕瓿僧厴I(yè)設(shè)計(jì)過(guò)程中曾給予的幫助和支持。 由于 MATLAB 還不能對(duì) DICOM 進(jìn)行直接的處理 ， 而是要先將其轉(zhuǎn)化成 MATLAB 可以處理的圖像格式 ， 因此可以嘗試應(yīng)用 MATLAB將其直接轉(zhuǎn)換成常規(guī)圖片格式 。 為了使所用的算法具有一定的普遍適應(yīng)性 ， 將多種方法結(jié)合起 ， 最后通過(guò)實(shí)踐發(fā)現(xiàn)將圖像歸一化 ， 經(jīng)典算子和形態(tài)學(xué) 廈門(mén)大學(xué)通信工程系 20xx 級(jí)本科畢業(yè)論文 33 方法結(jié)合起來(lái) ， 效果不錯(cuò) 。 R 廈門(mén)大學(xué)通信工程系 20xx 級(jí)本科畢業(yè)論文 32 第 5 章 全文總結(jié)以及展望 本文研究?jī)?nèi)容總結(jié) 本文主要研究了醫(yī)學(xué)圖像 DICOM 以及應(yīng)用 MATLAB 對(duì)醫(yī)學(xué)骨科圖像進(jìn)行處理 ，提取目標(biāo)圖像 的邊緣 ， 并在此基礎(chǔ)上 實(shí)現(xiàn)對(duì)區(qū)域 重心 ， 圓心 和半徑及 兩點(diǎn)間距離等 信息的 測(cè)量 。對(duì) 求偏導(dǎo) 得并令其為 0 得： 222222( , , ) 2 ( ) 0( , , ) 2 ( ) 0( , , ) 2 ( ) 0i i i i ii i i i ii i i iQ a b c X Y a X b Y c XaQ a b c X Y a X b Y c YbQ a b c X Y a X b Y cc?? ? ? ? ? ? ?? ???? ? ? ? ? ? ?? ???? ? ? ? ? ? ?? ????? (49)? 解此方程組可得 的極值，由于平方差大于 0，因此存在極小值，無(wú)極大值，比較所有的極值點(diǎn)即可得到極小值。 廈門(mén)大學(xué)通信工程系 20xx 級(jí)本科畢業(yè)論文 30 （ 1） 質(zhì) 心的提取 重心提取的 流程如下： \ 其中質(zhì) 心 的計(jì)算 公式 如下 : ( , ) ( , )( , )( , ) ( , )( , )DDDDDDx x y d x x y dxMx y dy x y d y x y dyMx y d? ? ? ???? ? ? ????????? ?????? ???? (41)? 由于區(qū)域密度是 均勻的 ， 因此公式簡(jiǎn)化為 : ,DDx d y dxySS?????? ?? (4 2)? （ 2） 圓心的提取 : 對(duì)于已經(jīng)提取出的邊緣的圓弧，要得到其圓心可以采用最小二乘法實(shí)現(xiàn)。當(dāng)點(diǎn)擊“兩點(diǎn)距離”按鈕時(shí)，鼠標(biāo)變成十字，在圖上單擊一個(gè)點(diǎn)確定起點(diǎn)，雙擊另外一點(diǎn)確定終點(diǎn)，此時(shí)兩點(diǎn)的相關(guān)信息顯示在信息框中，如圖 所示。當(dāng)點(diǎn)擊“選取區(qū)域”按鈕后，鼠標(biāo)變成十字形，在導(dǎo)入的圖片上框選出要處理的部分后，該部分圖片將單獨(dú)在該按鈕下面的坐標(biāo)軸上顯示出來(lái)。 邊緣提取 信息點(diǎn)測(cè)量 信息處理系統(tǒng) 圖片顯示 廈門(mén)大學(xué)通信工程系 20xx 級(jí)本科畢業(yè)論文 27 圖 骨科圖像信息處理系統(tǒng) 的功能模塊示意圖 其中信息測(cè)量點(diǎn)包含了 區(qū)域重心，圓弧的圓心半徑以及兩點(diǎn)之間的距離等信息 的測(cè)量。 （ a）邊緣較弱的 （ b）邊緣有斷點(diǎn)的 （ c）邊緣較明顯的 圖 進(jìn)行預(yù)處理后的邊緣提取效果 通過(guò)以上分析 可以看出，對(duì)圖像進(jìn)行 歸一化的 預(yù)處理后，對(duì)于邊緣不是很明顯的圖像提取的效果也較好， 問(wèn)題 得到 了 解決。由于 不同的醫(yī)學(xué)成像 因素 造成相同性質(zhì)的 組織 在 圖像 灰度 信息 上的不一致， 灰度歸一化就是在 保留 具有診斷價(jià)值的灰度差異的同時(shí) ， 減小甚至消除圖像中灰度不一致而進(jìn)行的圖像 轉(zhuǎn)換 方法 ， 以便計(jì)算機(jī) 自動(dòng)分析 處理 [6]。根據(jù)這一思想得到的效果如圖 所示。 廈門(mén)大學(xué)通信工程系 20xx 級(jí)本科畢業(yè)論文 23 (a)原圖像 （ b）細(xì)化后的結(jié)果 圖 細(xì)化運(yùn)算 形態(tài)學(xué)方法對(duì)目標(biāo)圖像的處理 Matlab 提供了一系列的函數(shù)來(lái)實(shí)現(xiàn)以上的各種操作，具體如下 ： ◆ dilate():對(duì)二值圖像進(jìn)行膨脹運(yùn)算； ◆ erode():對(duì)二值圖像進(jìn)行侵蝕運(yùn)算； ◆ imclose():對(duì)二值圖像進(jìn)行閉運(yùn)算； ◆ imopen():對(duì)二值圖像進(jìn)行開(kāi)運(yùn)算； ◆ bwmorph():對(duì)二值圖像進(jìn)行骨化運(yùn)算。 (4) 細(xì)化 所謂細(xì)化，就是從原來(lái)的圖中去掉一些點(diǎn)，但仍要保持原來(lái)的形狀。用公式表示為 (OPEN(X))c=CLOSE((Xc))，或者 (CLOSE(X))c =OPEN((Xc))。 閉運(yùn)算的描述見(jiàn)圖 。可以看到，原圖經(jīng)過(guò)開(kāi)運(yùn)算后，一些孤立的小點(diǎn)被去掉了。這句話可以形象的理解為：河岸的補(bǔ)集為河面，河岸的腐蝕等價(jià)于河面的膨脹。 膨脹運(yùn)算 可以用下圖來(lái)描述 ：在圖 中，左邊是被處理的圖象 X(二值圖象， 針對(duì)的是黑點(diǎn) )，中間是結(jié)構(gòu)元素 B?？梢钥闯?，它仍在原來(lái) X 的范圍內(nèi)，且比 X包含的點(diǎn)要少，就象 X被腐蝕掉了一層。 數(shù)學(xué)形態(tài)學(xué)圖像處理的基本運(yùn)算簡(jiǎn)介 (1) 腐蝕 把結(jié)構(gòu)元素 B 平移 a后得到 Ba，若 Ba 包含于 X， 記下這個(gè) a 點(diǎn)，所有滿足上述條件的a點(diǎn)組成的集合稱(chēng)做 X 被 B 腐蝕的結(jié)果。 基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)方法 數(shù)學(xué)形態(tài)學(xué)（也稱(chēng)圖像代數(shù)）表示以形態(tài)為基礎(chǔ)對(duì)圖像進(jìn)行分析的數(shù)學(xué)工具，基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別 廈門(mén)大學(xué)通信工程系 20xx 級(jí)本科畢業(yè)論文 20 的目的。它們 分別是邊緣較弱 的（圖 （ a））、 邊緣中間有斷點(diǎn) 的（圖 （ b）） 和邊緣較明顯的 (圖 (c))。 Canny 從為三項(xiàng)指標(biāo)出發(fā)，推導(dǎo)出了最佳邊緣檢測(cè)算子 Canny 邊緣片子。 (4) Canny 邊緣算子 Canny 算子是一類(lèi)最優(yōu)邊緣檢測(cè)算子，它在許多圖像處理領(lǐng)域得到了廣泛應(yīng)用。 鑒于此， Marr 和 Hildreth 將高斯濾波和拉普拉斯邊緣檢測(cè)結(jié)合在一起，開(kāi)成了LOG(Laplacian of Gaussian)算子，即高斯 拉普拉斯算子。該算子是一個(gè)與方向無(wú)關(guān)的各向同性（旋轉(zhuǎn)軸對(duì)稱(chēng)）邊緣檢測(cè)算子。 Prewitt邊緣檢測(cè)算子是一種類(lèi)似于 Sobel邊緣檢測(cè)算子的邊緣算子 ， 通過(guò)對(duì)圖像進(jìn)行 8個(gè)方向的邊緣檢測(cè) ， 將其中方向響應(yīng)最大的值作為算子的輸出值 ， 確定梯度閾值 T， 如果T， 則認(rèn)為是邊緣點(diǎn) 。 算法的主要步驟 : (a) 分別將兩個(gè)模板沿著圖像從一個(gè)像素移動(dòng)到另一個(gè)像素，并將像素的中心與圖像中的某 個(gè)像素位置重合； (b)將模板內(nèi)的系數(shù)與其圖像上相對(duì)應(yīng)的像素值相乘 。適用于邊緣明顯而且噪聲較少的圖像分割 。經(jīng)典的邊緣檢測(cè)算子包括 :Roberts 算子， Prewitt 算子， Sobel算子， Log (Laplacian of Gaussian)算子 和 canny 算子 等。精確確定邊緣的位置。 （ 3）檢測(cè)。但濾波器在降低噪聲的同時(shí)也導(dǎo)致邊緣強(qiáng)度的損失。 廈門(mén)大學(xué)通信工程系 20xx 級(jí)本科畢業(yè)論文 13 圖 用 imshow()讀取的 di 圖像 第 3 章 邊緣檢測(cè)算法研究 廈門(mén)大學(xué)通信工程系 20xx 級(jí)本科畢業(yè)論文 14 邊緣檢測(cè)概述 邊緣是圖像最基本的特征，所謂邊緣就是指周?chē)叶葟?qiáng)度有反差變化的那些像素的集合，是圖像分割所依賴的重要基礎(chǔ)，也是紋理分析和圖像識(shí)別的重要基礎(chǔ)。39。 即限定一個(gè)窗口 ， 將窗口區(qū)域的圖像數(shù)線性的轉(zhuǎn)換到顯示器的最大顯示范圍內(nèi) ， 高于或低于窗口上下限的圖像數(shù)據(jù)則分別設(shè)置為最高或最低的顯示值 。 例如 :medata = diinfo(‘’) 可以 得到 : (2)diread():讀取 di 圖像 。 VL一般為兩個(gè)字節(jié) ， 但當(dāng) VR為隱式和 VR為 OB， OW， SQ時(shí) ， VL用 4個(gè)字節(jié)表示 ， 其中 OB表示像素?cái)?shù)據(jù)不壓縮 ， OW 表示像素?cái)?shù)據(jù)壓縮 ， SQ 表示數(shù)據(jù)元素中存 在嵌套 ， 常用于多幀圖像 。 (