【正文】 識(shí)集百家之大成，浩滿紛繁，關(guān)聯(lián)交叉，我們所研究的B超聲圖像僅是醫(yī)學(xué)領(lǐng)域的一個(gè)具體分支，因而在描述B超聲圖像的特征時(shí)必須使用清晰準(zhǔn)確的概念。超聲醫(yī)學(xué)是醫(yī)學(xué)影像學(xué)的一個(gè)重要組成部分，它的范圍是在整個(gè)醫(yī)學(xué)影像學(xué)的歷史發(fā)展中形成的，并且不斷更新變化的。它能實(shí)時(shí)的觀察人體臟器的功能活動(dòng)且操作簡(jiǎn)便、價(jià)格低廉，正是因?yàn)锽超具有這些特點(diǎn)，它已經(jīng)成為進(jìn)行人體內(nèi)部結(jié)構(gòu)與組織檢查的最為常用的手段。針對(duì)B超的圖像處理系統(tǒng)主要實(shí)現(xiàn)了圖像黑白反轉(zhuǎn)、圖像開窗、放大縮小、增強(qiáng)、灰度處理、邊緣處理、直方圖等功能。B超設(shè)備向人體發(fā)射一組超聲波，按一定的方向進(jìn)行掃描。線性掃查是使超聲束在體內(nèi)做快速直線運(yùn)動(dòng)，運(yùn)動(dòng)方向和聲波行進(jìn)方向垂直，獲取的回波信息做亮度調(diào)制處理，在CRT上可得到一幅矩形切面圖像。而且由于研究對(duì)象(人體)的特殊性，這些都給我們的研究提出了更高的要求。首先我們研究一下正常肝臟的聲像圖。彌漫性脂肪肝:肝臟呈輕度或中度腫大，肝實(shí)質(zhì)呈點(diǎn)狀強(qiáng)回聲。局限性脂肪肝：當(dāng)脂肪肝非均勻發(fā)展時(shí)，可出現(xiàn)肝的不規(guī)則脂肪化灶或局限性脂肪化灶，表現(xiàn)為灶性或不均勻的強(qiáng)回聲區(qū)域如肝的大部分被脂肪化，只留小部分正常區(qū)，聲像圖上表現(xiàn)為強(qiáng)回聲內(nèi)有局限性的弱回聲區(qū)。(4 )當(dāng)肝內(nèi)再生結(jié)節(jié)較大時(shí)，肝區(qū)光點(diǎn)粗大，有結(jié)節(jié)狀強(qiáng)回聲。(3 )肝硬化超聲圖像的紋理不規(guī)則但較清晰，分布不均勻，其分布較稀疏。在各類圖像中紋理現(xiàn)象幾乎無(wú)處不在，在多光譜遙感圖像到細(xì)胞組織成像，從大自然的天空、草地到計(jì)算機(jī)合成的規(guī)則圖像，以及日常生活中的磚墻、紡織品及一些自然景物都有明顯的紋理特征。紋理特征是反映宏觀意義上灰度變化規(guī)律的重要特征，同時(shí)也是圖像分析中一個(gè)難以描述的基本特征。紋理的基本特征是移不變性，也即對(duì)紋理的感知基本上與圖像中的位置無(wú)關(guān)，從人的智能視覺系統(tǒng)對(duì)紋理的認(rèn)知來(lái)看，紋理還應(yīng)當(dāng)具有一定的日度不變性和選裝不變性。 圖一 結(jié)構(gòu)紋理 圖二 隨機(jī)紋理人工紋理多由點(diǎn)、線、多邊形等有規(guī)律的排列而組成，人工紋理圖像通常變現(xiàn)問結(jié)構(gòu)紋理，而自然紋理圖像通常是隨機(jī)型紋理。無(wú)論對(duì)于紋理的定義如何，我們都可以認(rèn)為，紋理對(duì)于圖像各像元的灰度空間分布的一種描述。近些年來(lái)，紋理分析在紡織品、植物病蟲害防治、醫(yī)學(xué)病理診斷和大容量圖像數(shù)據(jù)庫(kù)的檢索、遙感圖像處理等方面得到廣泛的應(yīng)用。紋理描述的基礎(chǔ)是找出一組能夠有效反應(yīng)圖像紋理特征的參量，這些紋理特征能夠盡可能地縮小紋理的類內(nèi)差距，同時(shí)盡可能增大紋理的類間差距。 紋理分割包括有監(jiān)督和無(wú)監(jiān)督的紋理分割。紋理分類一般包括訓(xùn)練和分類兩個(gè)階段一般是有監(jiān)督的。紋理圖像分析的基本方法有兩種類型:結(jié)構(gòu)分析法和統(tǒng)計(jì)分析法。紋理基元參數(shù)包括基元的尺寸、位置和姿態(tài)等，紋理結(jié)構(gòu)參數(shù)包括相位、距離、分離度、同現(xiàn)率等。 這些方法可以粗略的分為三類: (1)基于特征:該方法利用感興趣的區(qū)域的某些特征參數(shù)基本一致的特點(diǎn)來(lái)處理的。 基于結(jié)構(gòu)的紋理分析必須在紋理具有很強(qiáng)的紋理基元的情況下應(yīng)用。 基于特征的分析方法空間自相關(guān)函數(shù)法紋理結(jié)構(gòu)常用其粗糙性來(lái)描述，其粗糙性的程度與局部結(jié)構(gòu)的空間重復(fù)周期有關(guān)。設(shè)圖像為{I（x，y),0 ≤ x ≤M,0≤ y ≤ N}，其自相關(guān)函數(shù)定義為: （）上式是對(duì)(2W+1)(2W+1)窗口內(nèi)每一象素(j,k)與偏離值e,η=0177?；蛘哒f(shuō)，對(duì)于粗紋理圖像，自相關(guān)函數(shù)C(e，η。j,k)將呈現(xiàn)某種周期性的變化，其變化周期的大小可以作為描述圖象紋理的重要特征。V3=[1,0,2,0,1]。Tamura紋理特征的六個(gè)分量對(duì)應(yīng)于心理學(xué)角度上紋理特征的六種屬性。然后對(duì)于每個(gè)象素，分別計(jì)算它在水平和垂直方向上的郁域均值差值。對(duì)比度由如下公式衡量: n=8,4,2,1,1/2,1/4或1/8 （）FCON給出了整個(gè)圖像或區(qū)域中汁比度的全局度量。這個(gè)直方圖對(duì)于具有明顯方向性的圖像會(huì)表現(xiàn)出峰值，時(shí)于無(wú)明顯方向的圖像則表現(xiàn)得比較平坦。紋理模型法認(rèn)為一個(gè)象素與其鄰域內(nèi)的象素存在某種依賴關(guān)系，這種關(guān)系既可以是線性的，也可以是服從某種條件概率的。θ(r)是一系列模型參數(shù)，用來(lái)表示不同相部位置上的象素的權(quán)值。定義一個(gè)部域，如果隨機(jī)場(chǎng)中某點(diǎn)采樣的條件概率僅和該鄰域內(nèi)的點(diǎn)有關(guān)，那么該隨機(jī)場(chǎng)就是Markov隨機(jī)場(chǎng)。 Gibbs隨機(jī)場(chǎng)模型用Gibbs分布來(lái)描述的場(chǎng)是吉布斯隨機(jī)場(chǎng)，與之相應(yīng)的圖像模型為吉布斯圖像模型，這種模型是通過描述幾何結(jié)構(gòu)和象素間相互作用力的定量參數(shù)來(lái)具體實(shí)現(xiàn)的。近年來(lái)，隨著人們?cè)诩y理分析領(lǐng)域中研究的不斷深入，提出了大量創(chuàng)新和改進(jìn)的方法，很大程度上提高了紋理分析的精度。每個(gè)操作步驟都會(huì)將曲線的整個(gè)長(zhǎng)度增加3/4倍，從構(gòu)成過程來(lái)看Koch曲線的長(zhǎng)度最終將是無(wú)窮的。我們認(rèn)為一個(gè)集合具有自相似性，如果它能夠被分解成N個(gè)非重疊子集的并集，其中每個(gè)子集是原集合的拷貝、不過尺寸小了r倍，這樣的紋理是以分?jǐn)?shù)維D為特征的，由下面的方程給出:分形維和人們感覺的粗糙度有很強(qiáng)的相關(guān)性，人們發(fā)現(xiàn)不同的紋理可以有相同的分形維。小波理論的應(yīng)用小波分析真正作為一門理論或?qū)W科被研究?jī)H僅是最近20年的事情。小波分析理論作為時(shí)頻分析工具，在信號(hào)分析和處理中得到了很好地運(yùn)用。然后，再將二次小波特征用于圖像分類。根據(jù)兩個(gè)像素點(diǎn)位置的聯(lián)合概率密度函數(shù)可以建立起紋理圖像的共生矩陣。f(k,l)=i,f(m,n)=j } ()P(i,j,d,45o)={((k,l),(m,n))∈(LyLx)(LyLx)│(km=d,ln=d)Or(km=d,ln=d),f(k,l)=I,f(m,n)=j} ()P(i,j,d,90o)={((k,l),(m,n))∈(LyLx)(LyLx)││km│=d。矩陣[P(i,j,d,θ)]的第i行第j列元素表示所有θ方向，相鄰間隔為d的像素中有一個(gè)取i值，另一個(gè)取j值的相鄰點(diǎn)數(shù)。一幅圖像的灰度級(jí)數(shù)一般是256級(jí)，這樣級(jí)數(shù)太多會(huì)導(dǎo)致計(jì)算灰度共生矩陣大，計(jì)算量大。當(dāng)取d=1，θ=0o時(shí)，每一行有2（NX1）個(gè)水平相鄰點(diǎn)，共有NY行，因此總共有2NY(NX1)個(gè)相鄰點(diǎn)，所以取R=2NY(NX1)。（4）方差： ()式中μ是p（i，j）的均值。因此，ASM的值大則表明一種較均一和規(guī)則變化的紋理模式。當(dāng)矩陣元素值均勻相等時(shí)，相關(guān)值就打；相反，如果矩陣象元值相差很大則相關(guān)值小。因此，熵的最大值暗示圖像中灰度分布非常隨機(jī)。 本章小結(jié)本章主要對(duì)圖像的紋理分析的定義，紋理分析的概況還有紋理的分析的一些常用方法進(jìn)行了大致的介紹，并且對(duì)我們實(shí)習(xí)程序時(shí)所用的方法灰度共生矩陣法座了詳細(xì)的介紹，并羅列出其中的參數(shù)及其主要的參數(shù)進(jìn)行了一一介紹，為下一張程序的實(shí)現(xiàn)打下了堅(jiān)實(shí)的基礎(chǔ)。 Visual C++開發(fā)環(huán)境一般分為三個(gè)版本:學(xué)習(xí)版、專業(yè)版和企業(yè)版，不同的版本適合于不同類型的應(yīng)用開發(fā)。IDE中還提供大量在線幫助信息協(xié)助程序員做好開發(fā)工作。這些類可以提供程序框架、進(jìn)行文件和數(shù)據(jù)庫(kù)操作、建立網(wǎng)絡(luò)連接、進(jìn)行繪圖和打印等各種通用的應(yīng)用程序操作。建立一個(gè)項(xiàng)目的第一步是利用編輯器建立程序代碼文件，包括頭文件、代碼文件、資源文件等。一般有一個(gè)makefile文件來(lái)協(xié)調(diào)各個(gè)部分產(chǎn)生可執(zhí)行文件。Visual C++開發(fā)環(huán)境中集成了編輯器、編譯器、連接器以及調(diào)試程序，覆蓋了的開發(fā)應(yīng)用程序的整個(gè)過程，程序員不需要脫離這個(gè)開發(fā)環(huán)境就可以開發(fā)出完整的應(yīng)用程序。（2） C語(yǔ)言本身幾乎沒有支持代碼中用的語(yǔ)言結(jié)構(gòu)。作為經(jīng)典的統(tǒng)計(jì)方法，灰度共生矩陣的缺點(diǎn)是計(jì)算量大。而模型方法雖然可以直接將一種現(xiàn)有的成熟理論運(yùn)用于紋理分析，極大推進(jìn)紋理的實(shí)用化步伐，但正是由于這些理論并非直接針對(duì)圖像紋理而產(chǎn)生，在利用這些理論及模型對(duì)圖像紋理進(jìn)行分析描述的時(shí)候精度自然會(huì)受到影響，有些特征量的誤差甚至大到了讓人無(wú)法接受的地步。所以其在超聲圖像領(lǐng)域中的應(yīng)用價(jià)值仍有待商榷。}// 畫圖void CTextureDlg::MyDraw(){ 。 SetCursor(LoadCursor(NULL,IDC_ARROW))。 。 //將圖像分成若干個(gè)窗口，計(jì)算其紋理均值 for(i=0。 j++) { //首先賦值給子窗口 for(p=0。 q++) { arLocalImage[p][q] = [i*+p][j*+q]。 dEntropy += dEntropy1。 } } dEnergy /= (rolltimeH*rolltimeW)。 dLocalCalm /= (rolltimeH*rolltimeW)。 m_dCorrelation = dCorrelation。這是因?yàn)閳D像的灰度一般分為256個(gè)灰度級(jí)，要對(duì)這樣的圖像計(jì)算灰度共生矩陣，其計(jì)算量可想而知。此次畢業(yè)設(shè)計(jì)我們將灰度級(jí)GrayLayerNum = 8。不同的d值，可以得到不同的灰度共生矩陣。為表達(dá)簡(jiǎn)明起見，在下面的共生矩陣表達(dá)式中，略去了間隔d和方向θ。 。 i++) { for(j=0。當(dāng)d=1，θ=45o時(shí)，共有2（NY1）(NX1)個(gè)相鄰點(diǎn)，所以取R=2（NY1）(NX1)。 i++) { for(j=0。 } }同理我們可以知道計(jì)算90度方向上的灰度共生矩陣的方法： PMatrixV[(unsigned int)NewImage[i][j]][(unsigned int)NewImage[i+distance][j]] += 1。 i++) { for(j=0。 newj = j+distance。 PMatrixLD[(unsigned int)NewImage[newi][newj]][(unsigned int)NewImage[i][j]] += 1。FeatureEnergy += pdMatrix[i][j]*pdMatrix[i][j]。 。 。 。} 熵：熵度量圖像紋理的隨機(jī)性。 } 局部平穩(wěn)性：圖紋理局部變化的多少。當(dāng)一副圖像中相似的紋理區(qū)域有某種方向性時(shí)，其差值較大。 i++) { for(j=0。 FeatureCorrelation /= sigmay。相反，脂肪肝由于肝臟實(shí)質(zhì)被脂肪浸潤(rùn)，其質(zhì)地會(huì)變得比較細(xì)膩，紋理變得不清晰，回聲出現(xiàn)衰減，所以其能量參數(shù)較大、慣性矩較小，熵較小。 本章小結(jié)本章主要采取灰度共生矩陣的方法進(jìn)行算法的實(shí)現(xiàn)，對(duì)基本流程和算法的實(shí)現(xiàn)代碼做了簡(jiǎn)單的介紹，并且分別選取不同病理的超聲肝臟圖像對(duì)軟件進(jìn)行了測(cè)試，測(cè)試結(jié)果使軟件運(yùn)行良好，能夠很好的得出不同超聲肝臟圖像的紋理