【正文】 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 圖像處理的應(yīng)用背景及意義 ??????????????? ??? ? 1 邊緣檢測 在 醫(yī)學 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???????????????????????????? ? 25 致謝?????????????????????????????? ?? ? 27 1 1 引言 醫(yī)學 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 50 年代，當時 電子計算機已經(jīng)發(fā)展到一定水平，人們開始 利用計算機來處理圖形和圖像信息。 1 畢業(yè)設(shè)計中文摘要 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 。 圖像處理作為一門學科 約形成于 20 世紀60 年代初期。隨著科學技術(shù)的發(fā)展，現(xiàn)代醫(yī)學已經(jīng)越來越離不開醫(yī)學圖像的處理。 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。它在醫(yī)學圖像匹配、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 ， 會直接影響到后續(xù)的治療過程。 邊緣檢測 的 歷史 及 研究現(xiàn)狀 邊緣檢測是一個古老而又年輕的課 題。 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。Mallat 創(chuàng)造性地將多尺度思想與小波理論相結(jié)合，并與 LoG、 Canny 算子相統(tǒng)一，有效地應(yīng)用在圖像分解與重構(gòu)等許多領(lǐng)域中 [13]。首先，根據(jù)引力概念計算圖像中各像素點受到合力的大小和方向；其次，為了 去除光照和異源圖像灰度不同的影響，對圖像中像素點所受合力的大小進行歸一化處理；然后，對歸一化后的圖像進行二值化分割以獲得邊緣像素點所在的區(qū)域；最后，通過實驗研究粗大邊緣像素點的合力大小和方向特征，由此得到了粗大邊緣點的確定方法。 最簡單的邊緣檢測方法是邊緣 檢測算子 。 實際中常用小區(qū)域模板卷積來近似計算，模板是 N*N 的權(quán)值方陣，經(jīng)典的梯度算子： Sobel算子 、 Kirsch 算子 、 Prewitt 算子 、 Roberts 算子 、 Laplacian 算子 等 。它所采用的算法是先進行加權(quán)平均，然后進行微分運算。 Canny 邊緣 檢測算法的具體實現(xiàn)有以下四步： 1） 用高斯濾波器平滑圖像； 2） 用一階偏導的有限差分來計算梯度的幅值和方向； 3） 對梯度幅值進行非極大值抑制； 4） 用雙閾值算法檢測和連接邊緣。 Roberts 算子是一種斜向偏差分的梯度計算方法 。 總之， 索貝爾（ Sobel）和坎尼（ Canny）都屬于一階微分方法。 3 灰度直方圖 在對圖像進行處理之前，了解圖像整體或局部的灰度分布情況是非常必要的。圖像的灰度直方圖是表示一幅圖像灰度分布情況的統(tǒng)計圖表。 直方 圖的性質(zhì) 根據(jù)前面直方圖的定義，可以得出其性質(zhì)主要有以下幾點： 1） 直方圖表示的是一幅圖像中各像素灰度值出現(xiàn)次數(shù)的統(tǒng)計結(jié)果，只反映了該圖像中不同灰度值出現(xiàn)的頻率，不能反映某一灰度值所在的位置信息。 選擇邊界閾值 假設(shè)一幅圖像背景是淺色的，其中有一個深色的物體，便可得到雙峰直方圖。 4 直方圖與索貝爾算子相結(jié)合的 MR 圖像邊緣檢測 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 索貝爾算子基本概念 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目的，而且大部分的檢測算子還可以確定邊界變化的方向。當使用大的鄰域時，抗噪性能會更好 ,但這樣會增加計算量，并且得出的邊緣也會相應(yīng)變粗。 但是利用 Sobel 算子進行邊緣檢測，其 邊緣具有很強的方向性 ,只對垂直與水平方向敏感 ,其他方向不敏感 ,這就使得那些邊緣檢測不到 ， 對后續(xù)的圖像處理有很大的影響。如果 hl? ，說明沒有此數(shù)， 則 找不到信息，程序結(jié)束。 14 數(shù)據(jù)源的打開與顯示 clear a=diread(39。 %將其 歸一化 c=imadjust(b)。, [pos(1) pos(2)80 size(c, 2) size(c, 1)])。, [0 0 size(c, 2) size(c, 1)])。position39。pixel39。 c(i,j) c2(i,j)=c(i,j)。, [pos(1) pos(2)80 size(c2, 2) size(c2, 1)])。, [0 0 size(c2, 2) size(c2, 1)])。)。)。 c2(i,j) c4(i,j)=0。, [pos(1) pos(2)80 size(c4, 2) size(c4, 1)])。, [0 0 size(c4, 2) size(c4, 1)])。)。)。 c4(i,j) c6(i,j)=c4(i,j)。, [pos(1) pos(2)80 size(c6, 2) size(c6, 1)])。, [0 0 size(c6, 2) size(c6, 1)])。)。)。 下面是 對四個 MR原 圖分別 進行 Matlab程序 處理后 所得到的圖像 與原始圖像 的對比結(jié)果 如下 ： 21 0 0 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 7 0 . 8 0 . 9 105001000150020xx2500 (a) 原圖 1 圖像 (b) 原始圖像的灰度直方圖 (c) Sobel 算子 檢測后的圖像 (d) 兩者結(jié)合檢測后的圖像 圖 原圖 1 的邊緣檢測效果 0 0 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 7 0 . 8 0 . 9 105001000150020xx2500 (a) 原圖 2 圖像 (b) 原始圖像的灰度直方圖 (c) Sobel 算子 檢測后的圖像 (d) 兩者結(jié)合檢測后的圖像 圖 原圖 2的邊緣檢測效果 22 0 0 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 7 0 . 8 0 . 9 105001000150020xx (a) 原圖 3 圖像 (b) 原始圖像的灰度直方圖 (c) Sobel 算子 檢測后的圖像 (d) 兩者結(jié)合檢測后的圖像 圖 原圖 3的 Sobel邊緣檢測效果 0 0 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 7 0 . 8 0 . 9 102004006008001000120014001600180020xx (a) 原圖 5 圖像 (b) 原始圖像的灰度直方圖 (c) Sobel 算子 檢測后的圖像 (d) 兩者結(jié)合檢測后的圖像 圖 原圖 5的 l邊緣檢測效果 23 實驗 結(jié)果 及分析 在本次試驗中我們選取了四 幅效果較好的 MR 圖像進行 MATLAB 實驗， 此四幅MR 圖像 均為 T1 加權(quán)腦膜瘤核磁共振圖像 ，得到了較好的邊緣檢測的對比結(jié)果，從實驗中，我們可以看到僅用 Sobel 算子對 MR圖像進行邊緣檢測效果不太理想，雖然利用 Sobel算子進行邊緣檢測 不但產(chǎn)生較好的邊緣檢測效果，同時其受噪聲影響也比較小。 通過以上實驗結(jié)果的對比，我們可以發(fā)現(xiàn)利用直方圖于索貝爾算子相結(jié)合的方法對圖像進行邊緣檢測 ， 檢測 的 邊緣 更加清晰，精度更高，更加有利于對圖像的繼續(xù)處理 以及醫(yī)學方面的應(yīng)用 。 在論文的編寫過程中，查閱了一些有關(guān)中外文資料、說明書及相關(guān)網(wǎng)站信息，并閱讀過一些翻譯書籍，現(xiàn)也對這些書的作者提供的幫助表示衷心感謝！ 最后，萬分感謝母校 —— 河北工業(yè)大學對我四年的辛勤栽培！ 28 畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成果。 作者簽名： 日期： 年 月 日 學位論文版權(quán)使用授權(quán)書 本學位論文作者完全了解學校有關(guān)保留、使用學位論文的規(guī)定，同意學校保留并向國家有關(guān)部門或機構(gòu)送交論文的復印件和電子版，允許論文被查閱和借閱。這期間凝聚了很多人的心血，在此我表示由衷的感謝。 最后，我要感謝我的父母對我的關(guān)系和理解，如果沒有他們在我的學習生涯中的無私奉獻和默默支持，我將無法順利完成今天的學業(yè)。 最后，我要特別感謝 我的導師劉望蜀 老師、 和研究生助教吳子儀 老師。老師們認真負責的工作態(tài)度，嚴謹?shù)闹螌W精神和深厚的理論水平都使我收益匪淺。從這里走出，對我的人生來說，將是踏上一個新的征程，要把所學的知識應(yīng)用到實際 工作中去。 首先，我要特別感謝我的知道郭謙功老師對我的悉心指導，在我的論文書寫及設(shè)計過程中給了我大量的幫助和指導，為我理清了設(shè)計思路和操作方法，并對我所做的課題提出了有效的改進方案。 涉密論文按學校規(guī)定處理。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。但由于 Sobel 算子沒有嚴格地模擬人的視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意。 但對于一些紋理較復雜、要求精度高