醫(yī)學(xué)圖像增強處理技術(shù)分析畢業(yè)論文(編輯修改稿)
2024-09-30 17:15 本頁面
【文章內(nèi)容簡介】 為灰色值。 RGB 圖像 RGB 圖像即真彩色圖像，是指每個圖象的信息由 R(紅 )、 G（綠）、 B（藍）三種原色構(gòu)成的彩色圖像。 各種圖像在其產(chǎn)生、收集、轉(zhuǎn)化、傳輸?shù)倪^程中，會或多或少的受到各種干擾因素的影響而形成不需要的噪聲，這些存在使得圖像的質(zhì)量惡化，會影響到圖像處理過程各個環(huán)節(jié)的輸出及其圖像 分析效果。因此，對圖像噪聲的認識、去噪處理方法的分析顯得十分重要。 噪聲的產(chǎn)生與分類 根據(jù)噪聲與信號的關(guān)系，可分為加性噪聲與乘性噪聲： 加性噪聲一般是指信號在某個環(huán)節(jié)與噪聲形成了相加關(guān)系，噪聲的存在不以信號的產(chǎn)生或是轉(zhuǎn)移而改變，加性噪聲與圖像信號 g(x,y)無關(guān)，含噪圖像 f(x,y)可以表示成 f(x,y)=g(x,y)+n(x,y).信道噪聲以及掃描圖像時產(chǎn)生的噪聲都是加性噪聲。在實際圖像處理過程中，只能是減小加性噪聲的影響，而不能完全消除加性噪聲。 本科畢業(yè)論文 － 9 － 乘性噪聲一般是由信道不理想而造成的，它們與信號 成相乘關(guān)系，信號在噪聲也在，信號消失，噪聲也消失。如果噪聲和信號成正比，則含噪圖像 f（ x,y）可以表示成： f(x,y)=g(x,y)+n(x,y)*g(x,y) 根據(jù)噪聲所服從的分布可以分為高斯噪聲、泊松噪聲和顆粒噪聲等： （ 1）高斯噪聲是一類隨機噪聲，是最為普遍的一類噪聲。含高斯噪聲的圖像，往往對比度較低、層次感比較差，并且圖像邊緣顯得十分模糊。 （ 2）泊松分布噪聲一般可以認為是椒鹽噪聲，椒鹽噪聲是指使某個像素或某個區(qū)域表現(xiàn)出較大或較小灰度值的噪聲。 （ 3）顆粒噪聲可以認為是一種白噪聲過程，在密度域中是高 斯分布加性白噪聲，而在強度域中為乘性噪聲。 圖像噪聲的克服方法 針對含不同性質(zhì)的噪聲污染的圖像應(yīng)該采用不同的圖像處理方法，一般來說，圖像濾波方法的選擇取決于噪聲和圖像的關(guān)系。 圖像去噪增強一般分為空域濾波法和頻域濾波法?？沼驗V波法是直接針對圖像的組成要素 — 像素進行處理的。而頻域濾波法是指將圖像變換至頻率域再對圖像中的變換系數(shù)進行濾波處理，得到適合變換系數(shù)后，再將其進行逆變換得到濾波后的圖像。 第三章 常用的幾種醫(yī)學(xué)圖像增強方法 本科畢業(yè)論文 － 10 － 空間域處理 空間域指圖像平面本身，空間域圖像處理方 法直接以圖像中的像素操作為基礎(chǔ)。 這里研究的空間域處理可由下式表示： g(x,y)=T[f(x,y)] 其中， f(x,y)是輸入圖像， g(x,y)是處理后的圖像， T 是點（ x,y）的鄰域上定義的關(guān)于 f 的一種算子 對空間域圖像的操作是基于對圖像每一個基本元素 — 像素進行的，對于每一個像素上原始圖像灰度級與處理后的輸出圖像的灰度級是映射的，空間域處理的式子中，算子 T 可以有這樣一種表示關(guān)系： s=T(r) 其 中， r、 s 分別表示變量，即 g 和 f 在（ x， y）處的灰度。 灰度變換法 灰度變換法是當(dāng)前圖像增強的最簡單的手段，它使圖像的動態(tài)范圍加大、圖像的對比度有進一步擴展，從而圖像能夠變得更加清晰，特征更加明顯。技術(shù)實現(xiàn)時，灰度變換法對原始圖像的基本單位 — 像素值進行重新分配，將圖像中較暗的像素值增大，提高圖像的對比度。利用圖像灰度級的分布可以看出圖像灰度級分布的特點。如果圖像像素集中在低級灰度值的范圍內(nèi)，圖像就會顯得較暗 ,圖像像素集中于高級灰度值的范圍內(nèi)，圖像會比較明亮?；叶茸儞Q是通過調(diào)節(jié)直方圖的灰度分布范 圍而改善圖像的質(zhì)量?；叶茸儞Q的常用方法有直方圖灰度變換、直方圖均衡化方法 . 常見的一些基本的灰度變換函數(shù)： ： s=L1r， 使用這種方法反轉(zhuǎn)一幅圖像的灰度級。該類型處理比較適合于增強以黑色面積在尺寸上占主導(dǎo)地位的圖片，可以凸顯出圖片中暗區(qū)域中的白色或是灰色細節(jié)。 Matlab 中用于圖像灰度變換的函數(shù)是： 本科畢業(yè)論文 － 11 － g=imadjust(f,[low_in high_in],[ low_out high_out],gamma) 下面是在 matlab 中對一幅腦瘤醫(yī)學(xué)影像進行圖像灰度反轉(zhuǎn)處理 所的到的結(jié)果，反轉(zhuǎn)過后的圖像中，可以較明顯的看到腦顱中的病變部分即圖片黑塊部分被顯示了出來。兩幅圖像的內(nèi)容都是一致的，但觀看經(jīng)灰度處理過后圖像，分析病癥會容易很多。 ： )1log(s rc ?? 其中 c 是一個常數(shù)，假設(shè) r≥0. 該對數(shù)變換可以將輸入圖像中處在低窄范圍內(nèi)的灰度值轉(zhuǎn)化到較寬的廣度灰度值范圍內(nèi)，從而輸出改善了得處理圖像；而對泛寬范圍內(nèi)分布的灰度值圖像，該變換能實現(xiàn)將其灰度值高寬范圍降低的作用。實際處理當(dāng)中，常常用該種變換來擴展圖像中暗像素的值， 同時壓縮更高級灰度級的值。該變換的主要應(yīng)用是壓縮動態(tài)范圍，以期達到改善的圖像視覺效果。 Matlab 中，在進行對數(shù)變換時，使壓縮值出現(xiàn)在顯示的完整范圍內(nèi)，對 8比特來說，可以使用語句： Gs=im2unit8(mat2gray(g))。 通過 mat2gray 函數(shù)將灰度值限定在 [0,1],im2unit8 將灰度值限定在
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1