【正文】 是他們在我畢業(yè)的最后關頭給了我們巨大的幫助與鼓勵， 給了我很多解決問題的思 路， 在此表示衷心的感激。 致 謝 四年的大學生活就快走入尾聲，我們的校園生活就要劃上句號，心中是無盡的難舍與眷戀。沒有他們的幫助，我將無法順利完成這次設計。本人授權 大學可以將本學位論文的全部或部分內容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存和匯編本學位論文。盡我所知，除文中特別加以標注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機構的學位或學歷而使用過的材料。 由于 Sobel 算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數(shù)，簡單有效，因此應用廣泛。 但 實驗結果 表明 ， 該方法對圖像邊緣的檢測精度較高 ，提供了較為精確的邊緣方向信息， 抗噪聲能力強。 set(gca, 39。 set(fg, 39。 imshow(c6)。 set(gca, 39。 else c6(i,j)=0。 set(gca, 39。 set(fg, 39。 imshow(c4)。 set(gca, 39。 else c4(i,j)=c2(i,j)。 set(gca, 39。 set(fg, 39。 imshow(c2)。 set(gca, 39。 else 16 c2(i,j)=0。)。)。 imshow(c)。 set(gca, 39。 c=imresize(c,[256,256])。39。 折半查找法的優(yōu)點是 明顯減少 比較次數(shù)，查找速度快，平均性能好 ， 所以，在得到圖像的灰度直方圖后， 就知道了 各像素灰度值出現(xiàn)的次數(shù) ，即 反映 出 該圖像中不同灰度值出現(xiàn)的頻率， 可進行多次折半查找，來獲得較為合適的閾值。當圖像紋理較為復雜時，要求精度較高時，需要采用直方圖與此算子相結合的來得到更為精確的邊緣。 Sobel 算子利用像素點上下、左右鄰點的灰度加權算法，根據(jù)在邊緣點處達到極值這一現(xiàn)象 進行邊緣的檢測。 索貝爾（ Sobel）算子是一種一階微分算子，它利用像素鄰近區(qū)域的梯度值來計算一個像素的梯度，然后根據(jù)一定的閾值來取舍 ，得到圖像中的邊緣。經(jīng)典的算法中主要用梯度算子，其中 Sobel算子效果較好，其噪聲抑制效果也較好，它所采用的算法是先進行加權平均，然后進行微分運算。即物體中的深色像素產(chǎn)生了直方圖上的左峰， 而 背景中大量的灰度級產(chǎn)生了直方圖的右峰。它包含了該圖像中某一灰度值的像素出現(xiàn)的概率，而丟失了其所在位置的信息。直方圖概括地表示了一幅圖像的灰度級信息。圖像的直方圖包含了豐富的圖像信息，描述了圖像的灰度級內容，反映了圖像的灰度分布情況。它們都通過計算像的梯度值來增強圖像，通過對梯度按閾值取舍的方法檢測邊緣。 提取邊緣的結果邊緣較粗 ， 邊緣定位不是很準確 ， 容易丟失一部分邊緣 ， 同時沒有經(jīng)過圖像平滑計算 ， 因此不能抑制噪聲 。 Canny 邊緣檢測算子的顯著特點是邊緣定位性準確，連續(xù)性較好，虛假邊緣少且邊緣均具有單像素寬度 [18]。 它是一種奇數(shù)大小的模板下的全方向微分算子， 此 算子形式如下： ???????????????????????? ????101202101121000121yx ff （ ） 梯度算子包含著著微分運算，它對算子比較敏感，對圖像中的噪聲有一定的放大作用。 圖像 ),( yxf 在點 ),( yx 處的梯度是一個向量，定義為 ： Tyfxff ?????? ?????Δ （ ） 梯度的方向是函數(shù) ),( yxf 最大變化率的方向，梯度的幅值就是 ),( yxf 在梯度方向上單位距離的增量。 邊緣檢測算子就是通過檢查每個像素點的鄰域并對其灰度變化進行量化來達到邊界提取的目的，而且大部分的檢查算子還可以確定邊界變化的方向， 主要分為經(jīng)典算子、最優(yōu)算子、多尺度方法及自適應平滑濾波方法。實驗結果表明：與 Canny 邊緣檢測方法相比，該方法對異源圖像間的粗大邊緣具有很好的邊緣檢測效果，與先分割再提取邊緣的方法相比，該方法可以提取灰度值分布較集中且噪聲較大的紅外圖像粗大邊緣 [15] 。 多年來，國內外的眾多專家學者都致力于邊緣檢測的研究，并相繼提出了許多有效的理論與方法，但由于圖像自身的復雜性、邊緣與噪聲難以區(qū)分、陰影紋理等干擾 4 因素同樣表現(xiàn)出邊緣的性質不盡相同等等，使得邊緣檢測直到現(xiàn)在仍然難以很好的得到解決。圖像中的邊緣檢測最開始使用的都是一些非常經(jīng)驗的方法，用一些局部算子，如梯度的估計，又如用邊緣的特征 模塊對圖像進行卷積，然而由于這些方法普遍存在一些明顯的缺陷，導致其檢測結果并不盡如人意 [10]。 長期以來，人們已付出許多努力，設法利用邊界來尋找區(qū)域，進而實現(xiàn)物體的識別和景物分析，由于目標邊緣、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 。 因此，研究圖像邊緣檢測算法具有極其重要的意義。而邊緣存在于圖像的不規(guī)則結構和不平穩(wěn)現(xiàn)象中，也即存在于信號的突變點處，這些點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]。然而由于醫(yī)學成像設備的成像機理、獲取條件和顯示設備等因素的限制， 在一個圖像系統(tǒng)中，圖像的獲取、發(fā)送、傳輸、接收、輸出、復制等 各個 環(huán) 節(jié)都會產(chǎn)生干擾， 從而降低 圖像 的 質量 [2]。早期的圖像處理目的是改善圖像的質量，以人為對象，以改善人的視覺效果為目的 ， 輸入的是質量低的圖像，輸出的是改善質量后的圖像 。 圖像邊緣檢測是圖像處理 、 圖像分析、模式識別、計算機視覺以及人類視覺的基本步驟。因此，本課題采用了 將直方圖技術和索貝爾算子相結合方法， 來得到 對 MR 腫瘤圖像 較好的 邊緣檢測效果。 近年來，隨著計算機技術、網(wǎng)絡技術和醫(yī)療技術的不斷發(fā)展， 醫(yī)學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 圖像處理 (Image Processing)是 用計算機對 已獲得的醫(yī)學 圖像 作進一步的處理， 進行分析， 其目的或者是使不夠清晰的圖像復原，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， 以達到所需結果的技術 [1]。 2 邊緣檢測 在 醫(yī)學 圖像處理中的應用 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、計算機視覺以及人類視覺的基本步驟。 邊緣檢測在許多方面都有非常重要的使用價值，它的解決對進行 高層次的特征描述、識別和理解都有著重要影響。 其結果的正確性和可靠性 將直接影響到機器視覺系統(tǒng)對客觀世界的理解。 早在 1959 年 Julez 就曾提及邊緣檢測技術，而 Roberts 則于 1965 年開始了最早期的系統(tǒng)研究，從此有關邊緣檢測的理論方法不斷涌現(xiàn)并推陳出新。 近年來又提 出了將模糊數(shù)學、神經(jīng)元網(wǎng)絡和數(shù)學形態(tài)學應用于邊緣檢測的思想 [12]。實驗 證明采用所提出的算法可以得到比較完整的邊緣圖，定位誤差比傳統(tǒng)的邊緣檢測算法小 [14]。 圖像的邊緣是指圖像局部區(qū)域亮度變化顯著的部分 ， 該區(qū)域的灰度剖面一般可以看做一個階躍 。 下面 將 介紹基于一階和二階導數(shù)邊緣檢測的算子。因此提出了羅 伯特（ Robert）算子，此算子邊緣檢測能力優(yōu)于簡單梯度算子。 Canny 算子 以上算子在進行邊緣檢測時，檢測到的邊緣往往存在著位置不準、非單像素寬等問題，于是 Canny 提出了用于邊緣檢測的一階微分濾波器 )(xh? 的三條最優(yōu)化準則，即最大信噪比準則、最優(yōu)過零點定位準則和單邊緣響應準則。 其次 ， 抑制噪聲和邊緣精確定位是無法同時滿足 的 。 算子提取邊緣的結果 較完整 ， 位置 較準確 ， 但含有很多噪聲點 。 LoG 算法比坎尼算法更容易受到噪聲影響。任何一幅圖像的直方圖都包括了該圖像的許多特征信息，利用直方圖技術對圖像進行邊緣檢測處理，可以得到想要的預定效果的圖像，方便對其作進一步處 理。因為 )(kr rp 給出了對出現(xiàn)概率的一個估計，所以直方圖提供了原圖的灰度值分布情況。 直方圖的應用 檢查數(shù)字化參數(shù) 直方圖給出了一個簡單可見的指示，用來判斷一幅圖像是否合理地利用了全部被允許的灰度級范圍。直方圖是面積函數(shù)導數(shù)的負值，在谷底附近直方圖的值相對較小，這表明面積函數(shù)隨閾值灰度值的變化很緩慢。而灰度直方圖是一幅圖像中各像素灰度值出現(xiàn)次數(shù)或頻率的統(tǒng)計結果，反映了該圖像中不同灰度值出現(xiàn)的頻率。此算子簡單有效，雖產(chǎn)生的邊緣較粗，但在檢測階躍邊緣時可以得到至少兩個像素的邊緣寬度。因此， 此種 邊緣檢測算法檢測效果并不 太 理想 [24]。 其基本思路是：先檢索中間的一個數(shù)據(jù)，看它是否為所需的數(shù)據(jù)，如果不是，則判斷要找的數(shù)據(jù)是在中間數(shù)的哪一邊，下次就在這個范圍內查找。 本文中圖像數(shù)據(jù)源 6 幅， 均 為 T1 加權腦膜瘤 核磁共振圖像，圖像大小為256256? ，層厚 5mm。 fenmu=double(cha)。 set(fg, 39。 set(gca, 39。 %用 Sobel 微分算子進行邊緣檢測 ，自動選擇閾值 fg = figure。units39。 %運用折半查找法 for i=1:256 for j=1:256 if c(i,j)= amp。 set(fg, 39。 set(gca, 39。%對圖像進行 去白邊 處理 pos = get(fg, 39。, 39。 for i=1:256 for j=1:256 if c2(i,j)= amp。 set(fg, 39。 set(gca, 39。 pos = get(fg, 39。, 39。 for i=1:256 for j=1:256 if c4(i,j)= amp。 set(fg, 39。 set(gca, 39。 pos = get(fg, 39。, 39。 已知本文中圖像數(shù)據(jù)源有 6 幅，均為 T1 加權腦膜瘤核磁共振圖像，圖像大小為256256? ，層厚 5mm。所以對于紋理較細的的圖像，僅僅用索貝爾算子檢測到的圖像邊緣往往不夠精確，所以需要借助直方圖與索貝爾算法相結合來對圖像進行邊緣檢測以得到更為精確的邊緣。在此，特別表示對郭老師最真摯的感謝！另外，校生物醫(yī)學工程系的其它老師也對本論文的完成做了必要得指導，對此也對這些老師表示感謝。對本文的研究做出重要貢獻的個人和 集體，均已在文中以明確方式標明。本次畢業(yè)設計是對我大學四年學習下來最好的檢驗。 其次，我要感謝大學四年中所有的任課老師和輔導員在學習期間對我的嚴格要求，感謝他們對我學習上和生活上的幫 助，使我了解了許多專業(yè)知識和為人的道理，能夠在今后的生活道路上有繼續(xù)奮斗的力量。四年的風風雨雨，我們一同走過，充滿著關愛，給我留下了值得珍藏的最美好的記憶。在論文的撰寫過程中 老師們 給予我很大的幫助，幫助解決了不少的難點，使得論文能夠及時完成，這里一并表示真誠的感 謝。感謝老師四年來對我孜孜不倦的教誨，對我成長的關心和愛護。從他身上，我學到了許多能受益終生的東西。 首先非常感謝學校開設這個課題，為本人日后從事計算機方面的工作提供了經(jīng)驗，奠定了基礎。 作者簽名： 日 期： 29 學位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進行研究所取得的研究成果。 25 參 考 文 獻 1 堯德中，李永杰，周山宏 . 生物醫(yī)學中的信息技術 . 電子科技大學學報（社科版）， 20xx， 3（ 2）： 3~9 2 廖凱 . 醫(yī)學圖像處理技術淺談 . 科學信息（科學教研）， 20xx (7) 3 朱秀昌，劉峰，胡棟 . 數(shù)字圖像處理與圖像通信 . 北京：北京郵電大學出版社， 2