【正文】 本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)校可以采用影印、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉?jī)?nèi)容。 在實(shí)驗(yàn)結(jié)果中可以看到 僅用索貝爾 （ Sobel） 算子 對(duì)圖像進(jìn)行邊緣檢測(cè)所得到的圖像效果不是較好，腫瘤邊緣不明顯， 但是當(dāng)加入直方圖后，利 用直方圖與 Sobel算子相結(jié)合的方法， 利用直方圖多次進(jìn)行折半查找，以來獲得更為合適的邊界閾值，使其檢測(cè)到的邊緣精度較高，邊界更為清晰，獲得極好的邊緣檢測(cè)效果， 來檢測(cè)到 MR 圖像腫瘤 清晰的 邊緣 。, [pos(1) pos(2)80 size(c7, 2) size(c7, 1)])。, 39。, [0 0 size(c5, 2) size(c5, 1)])。sobel39。 pos = get(fg, 39。, [pos(1) pos(2)80 size(c3, 2) size(c3, 1)])。, 39。position39。 %顯示原圖像直方圖 運(yùn)行程序后，得到的 結(jié)果如圖 所示 ： 0 0 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 7 0 . 8 0 . 9 105001000150020xx2500 （ a）原始圖像 （ b）原始圖像的灰度直方圖 圖 原圖 2 圖像及其直方圖 15 基于索貝爾算子的圖像邊緣檢測(cè) c1=edge(c,39。 pos = get(fg, 39。 Matlab 程序?qū)崿F(xiàn) 利用 Sobel算子對(duì) MR圖像進(jìn)行水平和垂直的邊緣提取 ,并對(duì) MR圖像進(jìn)行 MATLAB 仿真 ,先將 MR圖像用 im2doubel 函數(shù)將其值歸一化，并得到其灰度直方圖。 索貝爾算子的 不足之處 Sobel 算子利用像素的上、下、左、右領(lǐng)域的灰度加權(quán)算法，根據(jù)在邊緣點(diǎn)處達(dá)到極值這一原理進(jìn)行邊緣檢測(cè)。而索貝爾（ Sobel）算子作為一階微分算子，其利用像素點(diǎn)上下、左右相鄰點(diǎn)的灰度加權(quán)算法， 11 根據(jù)在邊緣點(diǎn)處達(dá)到極值進(jìn)行邊緣檢測(cè)。但不同的圖像 可能有相同的直方圖。 直方圖是圖像處理中一種十分重要的圖像分 析工具 ,能有效地用于圖像增強(qiáng)、圖 9 像壓縮與邊緣檢測(cè)。 Sobel 算子和 Prewitt 算子提取邊緣的結(jié)果差不多 ， Sobel 算子 噪聲抑制效果強(qiáng)于 Prewitt 算子 。相比較而言，具有平滑處理的梯度算子其抗噪性能要稍微強(qiáng)一些。利用邊緣灰度變化的一階或二階導(dǎo)數(shù)的特點(diǎn)，可以將邊緣點(diǎn)檢測(cè)出來。雖然現(xiàn)在邊緣檢測(cè)技術(shù)已經(jīng)得到了長(zhǎng)足的發(fā)展，出現(xiàn)了很多活躍的新興方法，如基于形態(tài)學(xué)、統(tǒng)計(jì)學(xué)、神經(jīng)網(wǎng)絡(luò)、模糊理論、遺傳算法及特征分形的邊緣檢測(cè)方法等等，但于 20 世紀(jì) 70 年代到 80 年代提出的基于梯度的方法仍然還保持著一定的競(jìng)爭(zhēng)力。 其目的是 在有噪聲背景的圖像中確定出目標(biāo)的邊界 ，檢測(cè)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 [9]。圖像中，在兩個(gè)灰度不同的相鄰區(qū)域的交界處，必然存在著灰度的快速過渡或稱為跳變，它們與圖像中各區(qū)域邊緣的位置相對(duì)應(yīng)。 圖像處理的產(chǎn)生和迅速發(fā)展 受三個(gè)因素的影響 :一是計(jì)算機(jī)的發(fā)展 。索貝爾算子是一階微分算子，它 具有平滑作用， 可 提供較為精確的邊緣方向信息。圖像處理主要是對(duì)一些圖像進(jìn)行一系列的操作已達(dá)到預(yù)期的目的，包括圖像的數(shù)字化、圖像變換、圖像增強(qiáng)、圖像復(fù)原、圖像壓縮編碼、圖像分割等技術(shù)和內(nèi)容，以達(dá)到診斷、科研等目的。它對(duì) 圖像識(shí)別與分析十分有用：能勾畫出目標(biāo)物體輪廓，使觀察者能一目了然；包含了豐富的信息（如方向、階躍性質(zhì)、形狀等），使圖像識(shí)別中抽取的重要屬性 [7]。通常情況下，小尺度檢測(cè)能得到更多的邊緣細(xì)節(jié)，但對(duì)噪聲更為敏感，而大尺度檢測(cè)則與之相反。 邊緣檢測(cè)算子 邊緣檢測(cè)技術(shù)對(duì)于數(shù)字圖像非常重要 。下面將介紹一些較常使用的一階邊緣算子。 8 幾種經(jīng)典的邊緣檢測(cè)算子 的 比較 邊緣檢測(cè)算子對(duì)圖像中灰度的變化進(jìn)行檢測(cè) ， 通過求一階導(dǎo)數(shù)極值點(diǎn)或二階導(dǎo)數(shù)過零點(diǎn)來檢測(cè)邊緣 。索貝 爾（ Sobel）算子簡(jiǎn)單有效，產(chǎn)生的邊緣較粗。對(duì)于數(shù)字圖像而言，其概率就用頻率代表，即 Nnrp kkr /)( ? 1,1,0 ?? Lk ? （ ） 式中， N 為一幅圖像中像素的總個(gè)數(shù)； kr 表示第 k 個(gè)灰度級(jí)； kn 為第 k 級(jí)灰度的像素個(gè)數(shù)； L 是灰度級(jí)的總數(shù)。后面第四章第二節(jié)將詳細(xì)介紹 如何利用直方圖選擇合適的邊界閾值。算法的主要步驟： 1）分別將 2 個(gè)方向模板沿著圖像從一個(gè)像素移動(dòng)到另一個(gè)像素，并將像素的中心與圖像中的某個(gè)像素位置重合； 2）將模板內(nèi)的系數(shù)與其圖像上相對(duì)應(yīng)的像素值相乘； 3）將所有相乘的值相加； 4）利用 2 個(gè)卷積的值，計(jì)算梯度值作為新的灰度值； 5）選取合適的閾值 TH ，若新像素灰度值 TH ，則判讀該像素點(diǎn)為圖像邊緣點(diǎn)。 折半查找法是效率較高的一種查找方法。 %圖像的最大值 xiao=min(min(a))。pixel39。, [pos(1) pos(2)80 size(c1, 2) size(c1, 1)])。position39。)。 imshow(c3)。pixel39。 set(gca, 39。position39。)。 imshow(c7)。 25 參 考 文 獻(xiàn) 1 堯德中，李永杰，周山宏 . 生物醫(yī)學(xué)中的信息技術(shù) . 電子科技大學(xué)學(xué)報(bào)（社科版）， 20xx， 3（ 2）： 3~9 2 廖凱 . 醫(yī)學(xué)圖像處理技術(shù)淺談 . 科學(xué)信息（科學(xué)教研）， 20xx (7) 3 朱秀昌，劉峰，胡棟 . 數(shù)字圖像處理與圖像通信 . 北京：北京郵電大學(xué)出版社， 20xx 4 柯家海 . 醫(yī)學(xué)圖像處理技術(shù)分析及進(jìn)展 . 科技信息（學(xué)術(shù)研究 ） ， 20xx（ 22）：82~83 5 吳國(guó)平 .數(shù)字圖像處理原理 . 武漢 ： 地質(zhì)大學(xué)出版社 ， 20xx 6 馬春梅 ， 劉貴如 ， 王陸林 . 圖像分割技術(shù)在醫(yī)學(xué)圖像處理中的應(yīng)用研究 . 太原科技 ， 20xx（ 3）： 65~67 7 郭文強(qiáng) ， 侯勇嚴(yán) . 數(shù)字圖像處理 . 西安 ： 西安電子科技大學(xué)出版社 ， 20xx 8 袁春蘭 ， 熊宗龍 ， 周雪花 ， 彭小輝 . 基于 Sobel 算子的圖像邊緣檢測(cè)研究 [J]. 激光與紅外 ， 20xx， 01 9 魚海濤 . 基于模糊集理論的圖像增強(qiáng)算法研究 . 西安科技大學(xué) . 20xx（ 7）：50~51 10 賈昔玲 . 一種新的基于二值圖像的邊緣檢測(cè)算法 . 科技情報(bào)開發(fā)與經(jīng)濟(jì) . 20xx， 19（ 4）： 122~123 11 Canny J. A putational approach to edge detection， IEEE Pattern Analysis and Machine Intelligence， 1986, 8 (6): 679~698 12 Witkin A. Scale Space Filtering， Proc. Int. Joint Conf. Artif. Intell. Karlsruhe， Germany， 1983 13 Mallat S, Hwang W L. Singularity detection and processing with wavelets [J]. IEEE Transactions on Information Theory, 1992， 38 (2): 617~643 14 劉勇，姚剛，肖人彬，雷幫軍 . 自適應(yīng)多窗口梯度幅值邊緣檢測(cè)算法 . 華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版 )， 20xx， 39（ 1）： 14~18 15 曹傳東，徐貴力，陳欣，冷雪飛，李開宇，葉永強(qiáng) . 基于力場(chǎng)轉(zhuǎn)換理論的圖像粗大邊緣檢測(cè)方法 . 航空學(xué)報(bào)， 20xx（ 3）： 1~8 16 宋志剛 . 利用數(shù)字圖像處理技術(shù)檢測(cè)錐螺紋 . 吉林大學(xué) （ 碩士 ） ， 20xx， 9（ 4）： 31~34 17 Onya A. Coleman， Shanmugalingam Suganthan， Bryan W. Scotney. Gradient 26 operators for feature extraction and characterisation in range images Pattern Recognition Letters， 20xx, 3（ 19）： 1028~1040 18 Poornima. S， Rajavelu. C， S. Subramanian. Comparison and a neural work approach for iris localization. Procedia Computer Science, 20xx，2： 127~132 19 李雪 ， 王普明 . 基于高斯 拉普拉斯算子的圖像邊緣檢測(cè)方法 . 河南機(jī)電高等?？茖W(xué)校學(xué)報(bào) ， 20xx， 06 20 周心明 ， 蘭賽 ， 徐燕 . 圖像處理中幾種邊緣檢測(cè)算法的比較 . 現(xiàn)代電力 ， 20xx（ 3）： 1007~2322 21 陸玲 ， 王蕾 ， 桂穎 . 數(shù)字圖像處理 . 北京 ： 中國(guó)電力出版社 ， 20xx 22 龔金云，全思博 . 基于灰度圖像直方圖的邊緣檢測(cè) . 20xx， 2： 50~52 23 劉 躍峰，宋永霞，李松濤 . 一種基于直方圖對(duì)二值圖像進(jìn)行處理的方法 . 長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 20xx， 05： 554~558 24 董鴻燕 . 邊緣檢測(cè)的若干技術(shù)研究 . 國(guó)防科學(xué)技術(shù)大學(xué) （ 博士 ） ， 20xx， 06：3~4 27 致 謝 郭老師作為 本學(xué)生 完成本論文的指導(dǎo)老師，從論文思想的構(gòu)建到論文最終的審批投入大量的 時(shí)間和 心血。 首先非常感謝學(xué)校開設(shè)這個(gè)課題，為本人日后從事計(jì)算機(jī)方面的工作提供了經(jīng)驗(yàn)，奠定了基礎(chǔ)。感謝老師四年來對(duì)我孜孜不倦的教誨，對(duì)我成長(zhǎng)的關(guān)心和愛護(hù)。四年的風(fēng)風(fēng)雨雨，我們一同走過，充滿著關(guān)愛，給我留下了值得珍藏的最美好的記憶。本次畢業(yè)設(shè)計(jì)是對(duì)我大學(xué)四年學(xué)習(xí)下來最好的檢驗(yàn)。在此，特別表示對(duì)郭老師最真摯的感謝！另外，校生物醫(yī)學(xué)工程系的其它老師也對(duì)本論文的完成做了必要得指導(dǎo)，對(duì)此也對(duì)這些老師表示感謝。 已知本文中圖像數(shù)據(jù)源有 6 幅，均為 T1 加權(quán)腦膜瘤核磁共振圖像，圖像大小為256256? ，層厚 5mm。 pos = get(fg, 39。 set(fg, 39。, 39。 set(gca, 39。 for i=1:256 for j=1:256 if c2(i,j)= amp。%對(duì)圖像進(jìn)行 去白邊 處理 pos = get(fg, 39。 set(fg, 39。units39。 set(gca, 39。 fenmu=double(cha)。 其基本思路是：先檢索中間的一個(gè)數(shù)據(jù)，看它是否為所需的數(shù)據(jù)，如果不是，則判斷要找的數(shù)據(jù)是在中間數(shù)的哪一邊，下次就在這個(gè)范圍內(nèi)查找。此算子簡(jiǎn)單有效，雖產(chǎn)生的邊緣較粗，但在檢測(cè)階躍邊緣時(shí)可以得到至少兩個(gè)像素的邊緣寬度。直方圖是面積函數(shù)導(dǎo)數(shù)的負(fù)值，在谷底附近直方圖的值相對(duì)較小，這表明面積函數(shù)隨閾值灰度值的變化很緩慢。因?yàn)?)(kr rp 給出了對(duì)出現(xiàn)概率的一個(gè)估計(jì)，所以直方圖提供了原圖的灰度值分布情況。 LoG 算法比坎尼算法更容易受到噪聲影響。 其次 ， 抑制噪聲和邊緣精確定位是無法同時(shí)滿足 的 。因此提出了羅 伯特（ Robert）算子，此算子邊緣檢測(cè)能力優(yōu)于簡(jiǎn)單梯度算子。 圖像的邊緣是指圖像局部區(qū)域亮度變化顯著的部分 ， 該區(qū)域的灰度剖面一般可以看做一個(gè)階躍 。 近年來又提 出了將模糊數(shù)學(xué)、神經(jīng)元網(wǎng)絡(luò)和數(shù)學(xué)形態(tài)學(xué)應(yīng)用于邊緣檢測(cè)的思想 [12]。 其結(jié)果的正確性