【正文】 特征進行分析診斷。B超的關(guān)鍵部件就是我們所說的超聲探頭，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，晶體會發(fā)生形變，反過來當晶體發(fā)生形變時，對應(yīng)方向上就會產(chǎn)生電壓，實現(xiàn)了電信號與超聲波的轉(zhuǎn)換。由于肝內(nèi)脂肪的彌漫性浸潤，使回聲從淺到深逐漸減弱，前部細密呈一片“云霧狀”。自然界沙礫與食鹽則呈現(xiàn)出同顆粒大小的紋理。因此，不同肝臟B超圖像的紋理有明顯的不同，這就是我們多看到的光點粗細、分布的差別，醫(yī)生正是根據(jù)這種紋理來判斷肝臟有無疾病，從這一點可看出，肝臟B超圖像的紋理反映了肝臟組織的結(jié)構(gòu)，因此，可通過對肝臟紋理的定量分析來區(qū)分肝臟有無疾病，供醫(yī)生輔助診斷時候參考。紋理檢索時基于內(nèi)容的圖像檢索研究的一個重要內(nèi)容。這里不作介紹。2 、Laws能量法1980年，Laws提出了一種新的紋理描述方法，=[1,4,6,4,1]。該向量的模和方向分別定義為 () 其中△H和△V是圖像分別卷積下列兩個3*3的差分算子得到的水平差分和垂直差分: 一1 0 1 1 1 1 一1 0 1 0 0 0 一1 0 1 1 1 1當所有象素的梯度向量都被計算出來后，可以構(gòu)造一個方向角局部邊緣概率直方圖HD來表達θ值。在離散的高斯馬爾可夫隨機場模型中，任何象素的灰度值都可以通過其鄰域灰度值的線性組合加上加性噪聲來建模的，模型如下: () 其中:N為鄰點集，Ws為噪聲，θ為權(quán)重系數(shù)。KasParis_將分形維與紋理能量結(jié)合起來彌補分形維的不足。記作：則可以把紋理分析的圖像f理解為從LXLY到G的一個變換，即對LXLY中的每一個點，對應(yīng)屬于f的一個灰度，可以表示為：f：LXLY→G。由對稱性可知，當θ=90o和135o時，同理可得。其值大則說明圖像紋理的不同區(qū)域缺少變化，局部非常均勻。項目開發(fā)過程在一個集成的開發(fā)環(huán)境中開發(fā)項目非常容易。C++繼承了C的原有精髓，擴充增加了對開發(fā)大型軟件頗為有效的面向?qū)ο髾C制，彌補了C語言不支持代碼重用、不適宜開發(fā)大型軟件的不足，成為了一種既可以用于表現(xiàn)過程模型，又用于表現(xiàn)對象模型的優(yōu)秀的程序設(shè)計語言之一。}// 打開文件void CTextureDlg::OnBtnOpenFile() { CAddSampleDlg FileDlg(TRUE, , NULL, OFN_HIDEREADONLY | OFN_OVERWRITEPROMPT | OFN_ALLOWMULTISELECT, 超肝臟圖像聲(*.bmp)|*.bmp|所有文件(*.*)|*.*||, AfxGetMainWnd())。 p++) { for(q=0。 m_dEntropy = dEntropy。在此次畢業(yè)設(shè)計當中我們將采樣間隔distance = 5。記： 代碼如下，我們以0度和45度為例進行公式的表達： 計算0度的灰度共現(xiàn)陣： for(i=0。 PMatrixRD[(unsigned int)NewImage[newi][newj]][(unsigned int)NewImage[i][j]] += 1。 for(i=0。下面我們會根據(jù)上面的特點，以正常肝臟和脂肪肝的超聲圖像為例，分別在每副肝臟的超聲圖像當中隨機的選取大小相等的超聲區(qū)域十副，然后計算其紋理特性取其平均值進行比較： 正常肝臟：在同一正常超聲肝臟圖像上隨機截取十份，如下： （一） （二） （三） （四） （五） (六) (七) (八) (九) (十) 將超聲圖像片段載入程序段，分別計算出紋理參數(shù)求平均值：能 量熵慣 性 矩局部平穩(wěn)性相 關(guān)圖 一圖 二圖 三圖 四圖 五圖 六圖 七圖 八圖 九圖 十平均值 脂肪肝：在同一脂肪肝超聲肝臟圖像上隨機截取十份，如下： （一） （二） （三） （四） （五） （六） （七）　　?。ò耍　　。ň牛　　。ㄊ⒊晥D像片段載入程序段，分別計算出紋理參數(shù)求平均值：能 量熵慣 性 矩局部平穩(wěn)性相 關(guān)圖 一圖 二圖 三圖 四圖 五圖 六圖 七圖 八圖 九圖 十平均值分析：根據(jù)超聲圖像的特點，我們分別對所得到的超聲肝臟的圖像的參數(shù)結(jié)果進行比對，我們可以看到正常肝臟的能量值（）小于脂肪肝的能量值（）；正常肝臟的熵（）大于脂肪肝的熵（）；正常肝臟的慣性矩（）大于脂肪肝的慣性矩（）。計算公式為：則實現(xiàn)代碼為：{ eatureLocalCalm += pdMatrix[i][j]/(1+(double)(ij)*(double)(ij）} 相關(guān)：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。 。 j++) { int newi, newj。 j++) { //分成GrayLayerNum個灰度級 NewImage[i][j] = LocalImage[i][j] / (256/GrayLayerNum)。 對于紋理圖像，若有一函數(shù)可以將該圖像上的每個像元映射成為固定灰度量化集上的一個值，那么，我們可以認為:在紋理圖像中，在某個方向上相隔一定距離的一對像元灰度出現(xiàn)的統(tǒng)計規(guī)律，應(yīng)當能具體反映這個圖像的紋理特性。 dInertiaQuadrature /= (rolltimeH*rolltimeW)。 i++) { for(j=0。 算法流程圖根據(jù)課題需求，畫出大概的算法流程圖： 程序開始 打開圖像將圖像按窗口大小自動分割 i=0,j=0Ni水平方向窗口個數(shù)YNj垂直方向窗口個數(shù)Y計算窗口四個方向上的灰度共生矩陣計算各灰度共生矩陣的五個紋理特征值將每個窗口計算出的紋理特征參數(shù)相加j++i++將各窗口紋理特征量的和除以水平窗口個數(shù)的和*垂直窗口個數(shù)的和 輸出結(jié)果程序結(jié)束 紋理特征值計算框架 如上小節(jié)流程圖我們大致能夠了解我們程序的實現(xiàn)框架首先我們調(diào)用MakeBitmap來建立一個內(nèi)存位圖，即在打開一個圖片的時候首先把圖片貯存在存儲器中需要的時候增在文本框?qū)⒄{(diào)用MyDraw將圖像顯示出來；// 建立一個內(nèi)存位圖void CTextureDlg::MakeBitmap(){ 。最初他把這種語言叫做含淚的C，到1983年才取名為C++。 MFC庫，庫（library）是可以重復(fù)使用的源代碼和目標代碼的集合。（4）熵：熵度量圖像紋理的隨機性。為表達簡明起見，在下面的共生矩陣表達式中，略去了間隔d和方向θ。小波分析后期的發(fā)展主要包括多進小波(Multiband Wavelet}、小波包（Wavelet Package)、多小波(MultiWavelet)和第二代小波(Second Generation Wavelet}。而用正方形來量度線段結(jié)果為零，對于Koch曲線用一維尺度測量結(jié)果為無窮大，而用二維尺度測量時結(jié)果為零，其維數(shù)用非整數(shù)表示，即分數(shù)維。 此時，參數(shù)θ和標準方差s的值反映了圖像的紋理特征，可以通過回歸法計算模型參數(shù)來獲取紋理的局部統(tǒng)計特性。 對比度對比度通過對象素強度分布情況做統(tǒng)計后得到。而細紋理圖象的C(e，η。基于模型參數(shù)的分析方法可以看作是基于特征方法的一個子集。紋理的先驗知識包括確定待分割圖像的紋理類別數(shù)目，不同紋理的表現(xiàn)特性等等。Hawkins曾對紋理做過比較詳細的描述，他認為紋理有三個主要標志： （1）、某種局部的序列在比該序列更大的區(qū)域內(nèi)不斷的重復(fù)； （2）、序列是由基本部分非隨機排列組成的； （3）、各部分大致都是均勻的統(tǒng)一體，在紋理區(qū)域內(nèi)的任何地方都有相同的結(jié)構(gòu)尺寸；即紋理是由紋理基元按照某種確定性的規(guī)律或者某種統(tǒng)計規(guī)律排列組成的。第二章 超聲圖像的紋理分析 紋理的基本概念紋理一般指人們所觀察到是圖像中的象元的灰度變化規(guī)律，習慣上把圖像中的這種局部不規(guī)則的、而宏觀有規(guī)律的特征稱之為紋理。接下來我們分別了解一下脂肪肝和肝硬化的超聲學(xué)特征。這就需要我們對B超圖像進行一定的處理，以期獲得一定的量化參數(shù)，減少醫(yī)生用肉眼判別醫(yī)學(xué)圖像時發(fā)生的錯誤及工作量。各種新的醫(yī)學(xué)成像方法的臨床應(yīng)用，使醫(yī)學(xué)診斷和治療技術(shù)取得了很大的進展，同時將各種成像技術(shù)得到的信息進行互補，也為臨床診斷及生物醫(yī)學(xué)研究提供了有力的科學(xué)依據(jù)。因此，醫(yī)學(xué)圖像處理技術(shù)一直受到國內(nèi)外有關(guān)專家的高度重視。 肝臟超聲圖像 B超及其成像原理B超設(shè)備成像的基本原理是超聲脈沖回聲檢測原理。脂肪肝可分為彌漫性和局限性兩類，其超聲圖像有所區(qū)別。在圖像分析中將描述這種灰度變化規(guī)律的數(shù)字特征稱之為圖像的紋理特征。而Goold等人給紋理以更為模糊的定義，即紋理是由大量或多或少有序的相似基元或模式組成的一種結(jié)構(gòu)，這些基元或模式中沒有一個特別引人注目的。紋理分類：通過紋理特征的描述、提取和識別處理，將不同類別的未知紋理圖像正確的歸類到已知的紋理類型。 (3)基于結(jié)構(gòu):該方法搜尋紋理基元的排列規(guī)則。j,k)，C(e，η。它通過a4=μ4/s2定義，其中μ4是四階均值而s2是方差。Markov隨機場(MRF)模型如果將紋理圖像視作一個二維隨機過程的有限采樣，則這個隨機過程由它的統(tǒng)計參數(shù)決定。每個分形集合對應(yīng)一個以某種方式定義的分數(shù)維?；叶裙采仃囀綀D像灰度變化的二階統(tǒng)計度量，它是表述紋理圖像結(jié)構(gòu)特征的基本函數(shù)。進行特征提取前，首先對式（）表示的共生矩陣作正規(guī)化處理：P（i，j）