【正文】 理來(lái)判斷肝臟有無(wú)疾病，從這一點(diǎn)可看出，肝臟B超圖像的紋理反映了肝臟組織的結(jié)構(gòu)，因此，可通過(guò)對(duì)肝臟紋理的定量分析來(lái)區(qū)分肝臟有無(wú)疾病，供醫(yī)生輔助診斷時(shí)候參考。具有獨(dú)立基本結(jié)構(gòu)與明顯周期性的紋理為結(jié)構(gòu)紋理（例如布紋、磚墻），反之為隨機(jī)紋理（例如沙礫、氣象云圖）。自然界沙礫與食鹽則呈現(xiàn)出同顆粒大小的紋理。我們將這些特征用圖像處理紋理特征的語(yǔ)言來(lái)描述:(1 )正常肝臟超聲圖像的紋理規(guī)則、清晰，分布均勻，其紋理分布較密。由于肝內(nèi)脂肪的彌漫性浸潤(rùn)，使回聲從淺到深逐漸減弱，前部細(xì)密呈一片“云霧狀”。B超圖像涉及的主要特征是所診斷器官的“直徑”、“壁厚”、“圖像的灰度值”等。B超的關(guān)鍵部件就是我們所說(shuō)的超聲探頭，其內(nèi)部有一組超聲換能器，就是在晶體特定方向上加上電壓，晶體會(huì)發(fā)生形變，反過(guò)來(lái)當(dāng)晶體發(fā)生形變時(shí)，對(duì)應(yīng)方向上就會(huì)產(chǎn)生電壓，實(shí)現(xiàn)了電信號(hào)與超聲波的轉(zhuǎn)換。計(jì)算機(jī)技術(shù)的應(yīng)用可以改變這種情況，通過(guò)圖形圖像技術(shù)，可以對(duì)影像圖像進(jìn)行任意放大、縮小、旋轉(zhuǎn)、對(duì)比度調(diào)整等處理，使得醫(yī)務(wù)工作者可以從多方面，多層次的觀察角度對(duì)影像數(shù)據(jù)進(jìn)行詳細(xì)的觀察，可以輔助醫(yī)生對(duì)病變體及其他感興趣的區(qū)域進(jìn)行定性分析，可以提高臨床診斷的準(zhǔn)確性和正確性。其中，圖像的灰度值和紋理是最重要的兩個(gè)特征，多數(shù)疾病的診斷都可以直接由這兩個(gè)特征進(jìn)行分析診斷。今天醫(yī)學(xué)的發(fā)展面臨嚴(yán)重的挑戰(zhàn)，作為醫(yī)生診斷和治療重要手段的醫(yī)學(xué)影像學(xué)己成為醫(yī)學(xué)技術(shù)中發(fā)展最快的領(lǐng)域之一，其結(jié)果使得臨床醫(yī)生對(duì)人體內(nèi)部病變部位的觀察更直接、更清晰，確診率也更高。近幾年來(lái)，隨著信息時(shí)代特別是數(shù)字時(shí)代的來(lái)臨，計(jì)算機(jī)斷層成像、核磁共振成像(MRI: Magnetic Resonance Imaging)、超聲(US: Ultrasonography)等新的醫(yī)學(xué)成像技術(shù)已經(jīng)廣泛應(yīng)用在醫(yī)療的診斷、術(shù)前計(jì)劃、治療、術(shù)后監(jiān)測(cè)等各個(gè)環(huán)節(jié)中。準(zhǔn)確提取超聲圖像的特征，直接關(guān)系到超聲圖像處理的成敗和算法的成功運(yùn)用，對(duì)超聲圖像處理的進(jìn)一步發(fā)展具有十分重要的意義。早在八十年代末，就已經(jīng)出現(xiàn)了B超圖像處理系統(tǒng)，如圖像歸檔與通信系統(tǒng)和超聲圖像管理系統(tǒng)。B超診斷設(shè)備根據(jù)掃查方式可以分為:線性掃查、扇形掃查、凸陣掃查等。其中“圖像的灰度值”即紋理是最重要的特征，在醫(yī)學(xué)上被稱(chēng)為光點(diǎn)，本文著重對(duì)該特征做描述。探部回聲微弱且稀少，后方輪廊顯示較困難，肝內(nèi)血管明顯減少，走向不清。(2 )脂肪肝超聲圖像的紋理規(guī)則、欠清晰，分布均勻，其紋理分布密集。在醫(yī)學(xué)診斷中器官組織的大片分布可以看做紋理現(xiàn)象，正常組織病變組織的紋理在粗糙、分布走向上有很大的差別。從紋理途中可以看到紋理是一種有組織餓區(qū)域現(xiàn)象。紋理分析指的是通過(guò)一定的圖像處理技術(shù)抽取出紋理特征，從而獲得紋理的定量或定性描述的處理過(guò)程。由于不同物體往往具有不同的紋理特征，紋理分割將圖像中劃分為互不相交的若干區(qū)域，每一個(gè)區(qū)域內(nèi)部具有相對(duì)一致的紋理特性。本文中我們主要研究紋理特征的提取，探討肝臟所具有的紋理特性，為今后進(jìn)一步進(jìn)行超聲圖像的分割、分類(lèi)及自動(dòng)識(shí)別打下基礎(chǔ)。統(tǒng)計(jì)分析法適用于描述木紋、沙地和草坪等自然界廣泛存在的不規(guī)則、隨機(jī)性(或周期性不明顯)的紋理，對(duì)圖像宏觀特性的描述比較有效，適應(yīng)性強(qiáng)?；谔卣骱突谀Ｐ偷姆治龇椒ū容^常用，下面分別介紹其中比較經(jīng)典的方法。(e,η)時(shí)象素的相關(guān)性要高于細(xì)紋理區(qū)域。V2=[1,2,0,2,1]。 g（i，j）是位于(i，j)的象素強(qiáng)度值。首先對(duì)θ的值域范圍進(jìn)行離散化，然后統(tǒng)計(jì)直方圖中每個(gè)點(diǎn)值相應(yīng)的△G大于給定閑值的象素?cái)?shù)量。在SAR模型中，對(duì)于每一個(gè)象素，其強(qiáng)度值g(s)表示為它的相鄰象素強(qiáng)度值的線性疊加與嗓音項(xiàng)e（s)之和，即: （） 其中D表示s的相鄰象素集，μ是圖像均值，由整幅圖像的平均強(qiáng)度值所決定。 使用最小二乘法或最大似然法估計(jì)這些模型參數(shù)，然后將這些佑計(jì)參數(shù)同已知紋理類(lèi)型的參數(shù)進(jìn)行比較，可以比較好地進(jìn)行紋理分析。Koch曲線從一單位等邊三角形的三條邊開(kāi)始，截去中間的三分之一，代之以?xún)蓚€(gè)三分之一長(zhǎng)且相交60o角的線段，然后對(duì)每個(gè)三分之一長(zhǎng)的線段重復(fù)上面的過(guò)程，這樣無(wú)窮進(jìn)行下去，就構(gòu)成了koch曲線。當(dāng)紋理模式在不同尺度下具有自相似性時(shí)，用分形理論也可以較好的解決問(wèn)題。常常與紋理的一、二類(lèi)統(tǒng)計(jì)特征，即與直方圖、共生矩陣等特征結(jié)合，得到穩(wěn)定可靠的紋理特征?？臻g灰度共生矩陣定義為方向θ和間隔距離d的函數(shù)，記為： （）表示矩陣第i行第j列元素，其中（i，j）∈GG,θ=0O,45O,90O,135O,對(duì)不同的θ，矩陣元素定義如下：P(i,j,d,0o)={((k,l),(m,n))∈(LXLY)(LXLY)│km=0,│ln│=d。作為紋理分析的特征量，往往不是直接應(yīng)用計(jì)算機(jī)的灰度共生矩陣，而是在灰度共生矩陣的基礎(chǔ)上再提取紋理的特征量，稱(chēng)為二次計(jì)量。記：Haralick等人由灰度共生矩陣提取了以下14個(gè)圖像的紋理特征：（1）角二階矩： ()（2）對(duì)比度： ()（3）相關(guān)： ()式中μx，Sx分別是{Px（i）；i=1,2，…，Ng}的均值和均方差，μy，Sy分別是{Py（j）；j=1,2，…，Ng}的均值和均方差。（3）相關(guān)：其中：它度量空間灰度共生矩陣元素在行或列方向上的相似程度，因此，相關(guān)值大小反映了圖像中局部灰度相關(guān)性。對(duì)于特征紋理參數(shù)，如何選擇距離d和方向θ使所得的參數(shù)較好一直是研究的重點(diǎn)，通常情況下，小的d值可以提供比較好的結(jié)果。程序員可以在不離開(kāi)該環(huán)境的情況下編輯、編譯、調(diào)試和運(yùn)行一個(gè)應(yīng)用程序。一個(gè)用C++開(kāi)發(fā)的項(xiàng)目的通用開(kāi)發(fā)過(guò)程可以用左圖表示。一般我們采用Debug版本，這樣便于調(diào)試。本文選用灰度共生矩陣方法對(duì)肝臟超聲圖像進(jìn)行紋理分析。小波雖然是現(xiàn)在紋理分析的熱點(diǎn)，但在小波分解空間中對(duì)紋理進(jìn)行建模相對(duì)仍比較簡(jiǎn)單，技術(shù)改進(jìn)也主要都集中在數(shù)據(jù)變換的形式方面而對(duì)圖像紋理特性有針對(duì)地建模探討比較少。 } 將圖像打開(kāi)后我們將看到界面上的計(jì)算紋理特征值的按鈕，它將會(huì)調(diào)用OnBtnComputeTexture()這個(gè)函數(shù)，進(jìn)行特征值的計(jì)算，我們首先將各個(gè)參數(shù)特征值設(shè)置為0，然后將超聲圖像按照FilterWindowWidth的值將圖像平均分成各個(gè)子窗口，調(diào)用CGrayShow::ComputeFeature分別計(jì)算各參數(shù)值。 i rolltimeH。 } } (arLocalImage, )。 dEntropy /= (rolltimeH*rolltimeW)。 m_dLocalCalm = dLocalCalm。（2）在生成灰度共生矩陣時(shí)，紋理的采樣間隔的確定是我們必須考慮的，為了能較好的反應(yīng)出紋理的特性距離大小就尤為重要的。進(jìn)行特征提取前，首先如下式所示對(duì)共生矩陣作正規(guī)化處理：P（i，j）/R=P（i，j） 這里R是正規(guī)化參數(shù)。 。 jLocalImageWidthdistance。 jLocalImageWidthdistance。 計(jì)算紋理特征參數(shù)的算法能量： 能量是圖像紋理灰度變化均一的度量，他反映了圖像灰度分布均勻程度和紋理粗細(xì)度，如果共生矩陣的所有值均相等，則ASM值就??；相反，如果其中一些值大而其他值小，則ASM值大。 。 。其值大則說(shuō)明圖像紋理的不同區(qū)域缺少變化，局部非常均勻。 jdim。而肝硬化會(huì)使肝臟變得凹凸不平，紋理增強(qiáng)，回聲也增強(qiáng)，且分布不均，所以與正常肝臟比較，其能量參數(shù)較大，慣性矩較大，熵較大。根據(jù)最終測(cè)試結(jié)果與超聲圖像的特點(diǎn)是相符的，所以我們可以看出我們所做的程序?qū)Τ暩闻K的紋理分析是正確的。 } } FeatureCorrelation /= sigmax。當(dāng)矩陣元素值均勻相等時(shí)，相關(guān)值就大；相反，如果矩陣象元值相差很大則相關(guān)值小。 。 。 newi = idistance。 PMatrixH[(unsigned int)NewImage[i][j+distance]][(unsigned int)NewImage[i][j]] += 1。 } } 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)。 iLocalImageWidth。相隔d像元距離的一對(duì)像元，分別具有灰度級(jí)i和j的出現(xiàn)概率，這個(gè)d就是我們所說(shuō)的采樣間隔。} 灰度共現(xiàn)矩陣的算法實(shí)現(xiàn) 我們選擇了灰度共生拒陣作為本次畢業(yè)設(shè)計(jì)的紋理分析方法，就意味著在之后的實(shí)現(xiàn)過(guò)程中我們要遇到很多問(wèn)題如下： (1)灰度共生矩陣中二次量化對(duì)紋理描述的影響的重要性，并且在使用時(shí)，應(yīng)將量化級(jí)取為多少才算合理? 我們之前的理論學(xué)習(xí)中知道灰度共生矩陣的計(jì)算量很大。 dCorrelation /= (rolltimeH*rolltimeW)。 dEnergy += dEnergy1。 jrolltimeW。 。所以我們采用灰度共生矩陣的方法，選用VC完成算法實(shí)現(xiàn)，對(duì)肝臟超聲圖像進(jìn)行紋理特征提取。本文所以選擇它，其原因主要是:(1)灰度共生矩陣是一種相時(shí)成熟的紋理分析方法，其生成方式及相應(yīng)特征量的計(jì)算都是經(jīng)過(guò)無(wú)數(shù)實(shí)踐驗(yàn)證的。 C++概述C++是美國(guó)貝爾實(shí)驗(yàn)室的Bjarne Stroustrup 博士在C語(yǔ)言的基礎(chǔ)上，彌補(bǔ)了C語(yǔ)言存在的一些缺陷， 了面向?qū)ο蟮奶卣?，?980年開(kāi)發(fā)出來(lái)的一種過(guò)程性與對(duì)象性結(jié)合的程序設(shè)計(jì)語(yǔ)言。然后，啟動(dòng)編譯程序，編譯程序首先調(diào)用預(yù)處理程序處理程序中的預(yù)處理命令（如include,define等），經(jīng)過(guò)預(yù)處理程序處理的代碼將作為編譯程序的輸入。Developer Studio中除了程序編輯器、資源編輯器、編譯器、調(diào)試器外，還有各種工具和向?qū)Вㄈ鏏ppWizard和ClassWizard），以及MFC類(lèi)庫(kù)，這些都可以幫助程序員快速而正確地開(kāi)發(fā)出應(yīng)用程序。 第三章 超聲肝臟紋理分析設(shè)計(jì)的應(yīng)用 Visual C++開(kāi)發(fā)環(huán)境及C++語(yǔ)言的簡(jiǎn)介 C++開(kāi)發(fā)環(huán)境Visual C++這款軟件是微軟公司開(kāi)發(fā)的一個(gè)開(kāi)發(fā)環(huán)境，Visual C++是一個(gè)功能強(qiáng)大的可視化軟件開(kāi)發(fā)工具。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。(5)逆差矩： ()（6）和平均：