【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(xué) 圖像處理的應(yīng)用背景及意義 ??????????????? ??? ? 1 邊緣檢測(cè) 在 醫(yī)學(xué) 圖像處理中的應(yīng)用 ?????????????? ? ?? ? 2 2 圖像邊緣檢測(cè) ??????????????????? ?????? ? ? ? 2 邊緣檢測(cè) 的 歷史 及 研究現(xiàn)狀 ???????????????????? ? 3 邊緣檢測(cè)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(cè) ? ??????????? ? 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(cè) 的 Matlab 程序?qū)崿F(xiàn)和結(jié)果 ?? ? 13 結(jié)論 ??????????????????????????????? ?? 24 參 考文獻(xiàn)???????????????????????????? ? 25 致謝?????????????????????????????? ?? ? 27 1 1 引言 醫(yī)學(xué) 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(jì) 50 年代，當(dāng)時(shí) 電子計(jì)算機(jī)已經(jīng)發(fā)展到一定水平，人們開始 利用計(jì)算機(jī)來處理圖形和圖像信息。 1 畢業(yè)設(shè)計(jì)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(cè)方法的研究 摘要： 邊緣檢 測(cè)是醫(yī)學(xué)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(xué)科 約形成于 20 世紀(jì)60 年代初期。隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)代醫(yī)學(xué)已經(jīng)越來越離不開醫(yī)學(xué)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(xué)圖像匹配、腫瘤病灶確定、造影血管檢測(cè)、左心室邊緣提取等方面發(fā)揮著重要的作用， 邊緣檢測(cè)的好壞 ， 會(huì)直接影響到后續(xù)的治療過程。 邊緣檢測(cè) 的 歷史 及 研究現(xiàn)狀 邊緣檢測(cè)是一個(gè)古老而又年輕的課 題。 邊緣檢測(cè)算子就是通過檢查每個(gè)像素點(diǎn)的鄰域并對(duì)其灰度變化進(jìn)行量化來達(dá)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(jì)算圖像中各像素點(diǎn)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(duì)圖像中像素點(diǎn)所受合力的大小進(jìn)行歸一化處理；然后，對(duì)歸一化后的圖像進(jìn)行二值化分割以獲得邊緣像素點(diǎn)所在的區(qū)域；最后，通過實(shí)驗(yàn)研究粗大邊緣像素點(diǎn)的合力大小和方向特征，由此得到了粗大邊緣點(diǎn)的確定方法。 最簡(jiǎn)單的邊緣檢測(cè)方法是邊緣 檢測(cè)算子 。 實(shí)際中常用小區(qū)域模板卷積來近似計(jì)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(jìn)行加權(quán)平均，然后進(jìn)行微分運(yùn)算。 Canny 邊緣 檢測(cè)算法的具體實(shí)現(xiàn)有以下四步： 1） 用高斯濾波器平滑圖像； 2） 用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向； 3） 對(duì)梯度幅值進(jìn)行非極大值抑制； 4） 用雙閾值算法檢測(cè)和連接邊緣。 Roberts 算子是一種斜向偏差分的梯度計(jì)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(duì)圖像進(jìn)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(jì)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(diǎn)： 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(jì)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(gè)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(cè) 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(cè) 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(cè)算子就是通過檢查每個(gè)像素點(diǎn)的鄰域并對(duì)其灰度變化進(jìn)行量化來達(dá)到目的，而且大部分的檢測(cè)算子還可以確定邊界變化的方向。當(dāng)使用大的鄰域時(shí)，抗噪性能會(huì)更好 ,但這樣會(huì)增加計(jì)算量，并且得出的邊緣也會(huì)相應(yīng)變粗。 但是利用 Sobel 算子進(jìn)行邊緣檢測(cè)，其 邊緣具有很強(qiáng)的方向性 ,只對(duì)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(cè)不到 ， 對(duì)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(duì)四個(gè) MR原 圖分別 進(jìn)行 Matlab程序 處理后 所得到的圖像 與原始圖像 的對(duì)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(cè)后的圖像 (d) 兩者結(jié)合檢測(cè)后的圖像 圖 原圖 1 的邊緣檢測(cè)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(cè)后的圖像 (d) 兩者結(jié)合檢測(cè)后的圖像 圖 原圖 2的邊緣檢測(cè)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(cè)后的圖像 (d) 兩者結(jié)合檢測(cè)后的圖像 圖 原圖 3的 Sobel邊緣檢測(cè)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(cè)后的圖像 (d) 兩者結(jié)合檢測(cè)后的圖像 圖 原圖 5的 l邊緣檢測(cè)效果 23 實(shí)驗(yàn) 結(jié)果 及分析 在本次試驗(yàn)中我們選取了四 幅效果較好的 MR 圖像進(jìn)行 MATLAB 實(shí)驗(yàn)， 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(cè)的對(duì)比結(jié)果，從實(shí)驗(yàn)中，我們可以看到僅用 Sobel 算子對(duì) MR圖像進(jìn)行邊緣檢測(cè)效果不太理想，雖然利用 Sobel算子進(jìn)行邊緣檢測(cè) 不但產(chǎn)生較好的邊緣檢測(cè)效果，同時(shí)其受噪聲影響也比較小。 通過以上實(shí)驗(yàn)結(jié)果的對(duì)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(duì)圖像進(jìn)行邊緣檢測(cè) ， 檢測(cè) 的 邊緣 更加清晰，精度更高，更加有利于對(duì)圖像的繼續(xù)處理 以及醫(yī)學(xué)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(duì)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(xué)對(duì)我四年的辛勤栽培！ 28 畢業(yè)設(shè)計(jì)（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(jì)（論文），是我個(gè)人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。 作者簽名： 日期： 年 月 日 學(xué)位論文版權(quán)使用授權(quán)書 本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)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(duì)我的關(guān)系和理解，如果沒有他們?cè)谖业膶W(xué)習(xí)生涯中的無私奉獻(xiàn)和默默支持，我將無法順利完成今天的學(xué)業(yè)。 最后，我要特別感謝 我的導(dǎo)師劉望蜀 老師、 和研究生助教吳子儀 老師。老師們認(rèn)真負(fù)責(zé)的工作態(tài)度，嚴(yán)謹(jǐn)?shù)闹螌W(xué)精神和深厚的理論水平都使我收益匪淺。從這里走出，對(duì)我的人生來說，將是踏上一個(gè)新的征程，要把所學(xué)的知識(shí)應(yīng)用到實(shí)際 工作中去。 首先，我要特別感謝我的知道郭謙功老師對(duì)我的悉心指導(dǎo)，在我的論文書寫及設(shè)計(jì)過程中給了我大量的幫助和指導(dǎo)，為我理清了設(shè)計(jì)思路和操作方法，并對(duì)我所做的課題提出了有效的改進(jìn)方案。 涉密論文按學(xué)校規(guī)定處理。對(duì)本研究提供過幫助和做出過貢獻(xiàn)的個(gè)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(yán)格地模擬人的視覺生理特征，所以提取的圖像輪廓有時(shí)并不能令人滿意。 但對(duì)于一些紋理較復(fù)雜、要求精度高