【正文】 學(xué)友情深，情同兄妹。本次畢業(yè)設(shè)計(jì)大概持續(xù)了半年，現(xiàn)在終于到結(jié)尾了。郭老師細(xì)心 認(rèn)真 的教學(xué)督導(dǎo)風(fēng)范，嚴(yán)謹(jǐn) 的 科學(xué)研究態(tài)度和淵博的知識對我產(chǎn)生了深遠(yuǎn)影響和啟示。 %顯示邊緣檢測圖像 運(yùn)行程序后得到的 結(jié)果 與原圖像的比較如圖 ： (a) 原圖 2 圖像 (b) 檢測后的圖像 圖 基于 索貝爾算子 的圖像邊緣檢測 經(jīng)過上述實(shí)驗(yàn)我們可以看到僅用 索貝爾算子對圖像進(jìn)行邊緣檢測所得到邊緣檢測效果不好，檢測到的 MR圖像腫瘤邊緣也不明顯，而加入直方圖的折半查找找到合適的閾值之后，再用索貝爾算子的方法進(jìn)行邊緣檢測，其效果較好，可檢測到較為清晰的腫瘤邊緣。 fg = figure。)。units39。)。 %顯示邊緣檢測圖像 17 運(yùn)行程序后得到的 結(jié)果與原圖像的比較如 圖 ： (a) 原圖 2 圖像 (b) 檢測后的圖像 圖 基于 索貝爾算子 的圖像邊緣檢測 2) 第 二 次 折半查找后再結(jié)合 Sobel算子檢測得到的圖像 （ 1） 運(yùn)用 直方圖折半尋找 法選定閾值 c4=c2。 %采用選定的閾值， 用 Sobel 微分算子進(jìn)行邊緣檢測 fg = figure。)。 set(gca, 39。)。 %圖像的最小值 cha=daxiao。 該方法是查找的范圍不斷縮小一半，所以查找效率較高 。 Sobel 算子通過計(jì)算像的梯度值來增強(qiáng)圖像，通過對梯度按閾值取舍的方法檢測邊緣。 具有雙峰的的直方圖可以選擇雙峰間的谷作為邊界閾值，對圖像的邊緣檢測是最有利的，它可以提高灰度級的區(qū)分度，從而得到可靠的邊緣檢測。 )(kr rp 表示第 k 個(gè)灰度級出現(xiàn)的概率?？材崴惴ê?LoG 算法，能產(chǎn)生較細(xì)的邊緣。 在數(shù)字圖像中實(shí)現(xiàn)圖像與模塊卷積運(yùn)算時(shí) ， 運(yùn)算速度與選取的模塊大小有直接關(guān)系 ， 模塊越大 ， 檢測效果越明顯 ， 速度越慢 ， 反之則效果差一點(diǎn) ， 但速度提高很多 。 簡單的梯度算子，在運(yùn)算的時(shí)候所用算子的形式如下 : 6 ? ?1111 ?????????? yx ff （ ） 此種算子對噪聲敏感，邊緣檢測效果差。 邊緣是所要提取目標(biāo)和背景的邊界線 ， 提取出邊緣才能將目標(biāo)和背景區(qū)分開 。 1983年 Witkin 首次提出尺度空間的思想，為邊緣檢測開辟了更為寬廣的空間，繁衍出了很多可貴的成果。 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(jì)算機(jī)視覺以 及人類視覺的基本步驟。 醫(yī)學(xué)圖像的分析和處理是醫(yī)學(xué)影像技術(shù)極為重要的一個(gè)環(huán)節(jié)，特別是圖像處理技術(shù)中所涉及 的圖像去噪和圖像邊緣檢測技術(shù)已成為當(dāng)前研究的熱點(diǎn) [4]。但是，這種算法對于紋理較復(fù)雜的圖像 , 其邊緣檢測效果不佳。 常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。 邊緣檢測是醫(yī)學(xué)圖像處理的關(guān)鍵技術(shù)之一， 也是難點(diǎn)之一， 是基于邊界的一大類圖像分割方法，其基本思想是通過尋找圖像中不同區(qū)域的邊界，從而達(dá)到圖像分割的目的。 由于邊緣是圖像上灰度變化最劇烈的地方，傳統(tǒng)的邊緣檢測就是對圖像各個(gè)像素點(diǎn)進(jìn)行微分或求二階微分來確定邊緣像素點(diǎn)。另外，由于邊緣本身就是一 個(gè)很模糊的定義，理想化的邊緣模型與實(shí)際情形相差甚遠(yuǎn)，因此也很難找到具有普遍適應(yīng)性的檢測方法。 圖像中的邊緣檢測最開始使用的都是一些非常經(jīng)驗(yàn)的方法，用一些局部算子，如梯度的估計(jì) 。嚴(yán)重時(shí)噪聲可能掩蓋邊界等有用信息。 而后來提出的普瑞斯特（ Prewitt） 算子不僅能檢測到邊緣點(diǎn)，而且能抑制噪聲的影響 。對圖像的灰度分布進(jìn)行分析的重要手段就是建立灰度直方圖，利用灰度直方圖，可以直觀地看出圖像中像素亮度分布的等情況 [21]。 10 2） 任一幅圖像，都只能唯一的確定一個(gè)與之對應(yīng)的直方圖。它是一種奇數(shù)大小的模板下的全方向微分算子，但得到較寬的邊緣，而且其邊緣具有很強(qiáng)的方向性 ,只對垂直與水平方向敏感，其他方向不敏感，這就使得有些邊緣檢測不到。 Sobel算子對噪聲具有平滑作用 ,提供較為精確的邊緣方向信息，是一種較為常用的邊緣檢測方法。 直方圖 與 Sobel 算子相結(jié)合的圖像邊緣檢測 Matlab 程序?qū)?現(xiàn) 結(jié)果 前面已經(jīng) 分別 講了 索貝爾算子 與 直方圖 的折半查找方法， 下面我們將通過 分別運(yùn)用 索貝爾算子 的 Matlab 程序 和 索貝爾算子與 直方圖 相結(jié)合的 Matlab 程序 來 對圖像進(jìn)行邊緣檢測，并將得到的 實(shí)驗(yàn) 結(jié)果進(jìn)行分析比較。 %對圖像進(jìn)行 去白邊 處理 fg = figure。 %顯示原圖像 figure,imhist(c)。 set(gca, 39。units39。position39。 end end end fg = figure。 %顯示邊緣檢測圖像 18 運(yùn)行程序后得到的 結(jié)果與原圖像的比較如 圖 ： (a) 原圖 2 圖像 (b) 檢測后的圖像 圖 基于 直方圖 的圖像邊緣檢測 (2) 運(yùn)用 索貝爾算子 進(jìn)行圖像邊緣檢測 c5=edge(c4,39。position39。units39。position39。 但對于一些紋理較復(fù)雜、要求精度高的圖像進(jìn)行邊緣檢測時(shí)，僅用 Sobel算子 就不能得到符合要求的邊緣。對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。 首先，我要特別感謝我的知道郭謙功老師對我的悉心指導(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，并對我所做的課題提出了有效的改進(jìn)方案。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。 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(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)。 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。 通過以上實(shí)驗(yàn)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(jìn)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(xué)方面的應(yīng)用 。)。, [0 0 size(c6, 2) size(c6, 1)])。 c4(i,j) c6(i,j)=c4(i,j)。)。, [pos(1) pos(2)80 size(c4, 2) size(c4, 1)])。)。, [0 0 size(c2, 2) size(c2, 1)])。 c(i,j) c2(i,j)=c(i,j)。position39。, [pos(1) pos(2)80 size(c, 2) size(c, 1)])。 14 數(shù)據(jù)源的打開與顯示 clear a=diread(39。 但是利用 Sobel 算子進(jìn)行邊緣檢測，其 邊緣具有很強(qiáng)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。 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(gè)像素點(diǎn)的鄰域并對其灰度變化進(jìn)行量化來達(dá)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。 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。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。 總之， 索貝爾（ Sobel）和坎尼（ Canny）都屬于一階微分方法。 Canny 邊緣 檢測算法的具體實(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） 對梯度幅值進(jìn)行非極大值抑制； 4） 用雙閾值算法檢測和連接邊緣。 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 。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。 邊緣檢測算子就是通過檢查每個(gè)像素點(diǎn)的鄰域并對其灰度變化進(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。它在醫(yī)學(xué)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。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。 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 腫瘤邊緣檢測方法的研究 摘要： 邊緣檢 測是醫(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 。 醫(yī)學(xué)圖像包含了大量的病理信息，對臨床的診斷和治療具有非常重要的意義。 對醫(yī)學(xué)圖像進(jìn)行邊緣檢測的目的是 在有噪聲背景的圖像中確定出目標(biāo)的邊界 ，檢測出醫(yī)學(xué)圖像中不同組織的邊界，以提高臨床醫(yī)生的診斷水平，降低漏診率 時(shí)期 。后來 有人提出邊緣檢測算子，主要分為經(jīng)典算子、最優(yōu)算子、多尺度方法及自適應(yīng)平滑濾波方法。 近期， 中國學(xué)者們針對現(xiàn)有的邊緣檢測方法很難獲得異源圖像中的粗大邊緣這一關(guān)鍵問題 ，根據(jù)異源圖像成像原理和灰度分布特點(diǎn)，提出了一種基于力場轉(zhuǎn)換理論的異源圖像粗大邊緣檢測新方法。 基于一階導(dǎo)數(shù)的邊緣檢測 算子 梯度算子 基于 一階導(dǎo)的 邊緣檢測 常用 梯度算子來實(shí)現(xiàn)， 求邊緣的梯度時(shí)，需要對每個(gè)象素位置計(jì)算。 Canny 將這三個(gè)準(zhǔn)則結(jié)合起來，把邊緣檢測轉(zhuǎn)化為求函數(shù)極值的問題，利用變分原理推出 )(xh? 的函數(shù)形式 7 近似為高斯函數(shù)的一階微分。 Canny 算子是一類最優(yōu)邊緣檢測算子 ， 提取的邊緣最為完整 ， 且邊緣的連續(xù)性很好 ， 定位 較精確 ， 但在實(shí)際應(yīng)用中編程較為復(fù)雜且運(yùn)算較慢 [20]。 直方圖的基本概念 直方圖的定義 灰度直方圖 （ Histogram） 是數(shù)字圖像處理中一個(gè)簡單、有效和常用的工具之一。對直方圖的快速檢查可以使數(shù)字化產(chǎn)生的問題及早暴露出來，以便糾正。因此，本課題擬采用將直方圖技術(shù)和索貝爾算子相結(jié)合方法，探索其對 MR 腫瘤圖像的邊緣檢測效果。 當(dāng)對圖像邊緣精度要求不是很高時(shí)， Sobel算子是 一種較為常用的邊緣檢測方法。 下面將以 MR 原圖 2 為例來 詳細(xì)介紹此 Matlab 程序 。position39。 pos = get(fg, 39。amp。position39。pixel39。position39。position39。amp。position39。pixel39。傳統(tǒng)的邊緣提取算法是考察每個(gè)像素在某個(gè)鄰域內(nèi)的亮度差信息，而像素灰度的階躍變化正好是描述圖像的直方圖，可以通過圖像的直方圖的形狀來判斷所采集圖像的像素灰度的階躍變化，從而可以得到可靠的邊緣檢測結(jié)果。本人完全意識到本聲明的法律后果由本人承擔(dān)。 另外，我還要感謝大學(xué)四年和我一起走過的同學(xué)朋友對我的關(guān)心與支持，與他們一起學(xué)習(xí)、生活，讓我在大學(xué)期間生活的很充實(shí)，給我留下了很多難忘的回憶。他無論在理論上還是在實(shí)踐中，都給與我很大的幫助，使我得到不少的提高這對于我以后的工作和學(xué)習(xí)都有一種巨大的幫助，感謝 他 耐心的輔導(dǎo)。郭謙功老師淵博的知識、嚴(yán)謹(jǐn)?shù)淖黠L(fēng)和誨人不倦的態(tài)度給我留下了深刻的印象。 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說明 本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷