【正文】 //BMP 文件信息結(jié)構(gòu)所占的字節(jié)數(shù) dwBmBitsSize=WIDTHBYTES((lpBIbiWidth)*((DWORD)lpBIbiBitCount)) *lp。 dwDIBSize = *(LPDWORD)lpBI + 256*sizeof(RGBQUAD)。 lpBI = (LPBITMAPINFOHEADER) ::GlobalLock((HGLOBAL) m_hDIB)。 }//打開文件 BOOL bSuccess = FALSE。 if (!(lpszPathName, CFile::modeCreate | CFile::modeReadWrite | CFile::shareExclusive, amp。 // 位圖文件頭結(jié)構(gòu) LPBITMAPINFOHEADER lpBI。 CFileException fe。 // 設(shè)置文件修改標志為 FALSE return TRUE。 SetPathName(lpszPathName)。 InitDIBData()。 if ((*bmhdr).biBitCount!=8) 8bit 位圖 26 return FALSE。 }//讀數(shù)據(jù)，包括位圖信息、位圖顏色表、圖像像素的灰度值 bmhdr=(BITMAPINFOHEADER*)pDIB。 hDIB=NULL。 } pDIB = (LPSTR) ::GlobalLock((HGLOBAL)hDIB)。 hDIB=(HANDLE) ::GlobalAlloc(GMEM_MOVEABLE | GMEM_ZEROINIT, dwBitsSize)。bmfHeader, sizeof(bmfHeader)) != sizeof(bmfHeader)) return FALSE。//指向位圖信息頭結(jié)構(gòu)的指針 dwBitsSize = ()。 LPSTR pDIB。//定義位圖文件頭結(jié)構(gòu) DWORD dwBitsSize。//刪除文擋 BeginWaitCursor()。 return FALSE。 if (!(lpszPathName, CFile::modeRead | CFile::shareDenyWrite, amp。 25 附錄 附錄一： OnOpenDocument 函數(shù) BOOL CDibDoc::OnOpenDocument(LPCTSTR lpszPathName) { CFile file。還要感謝學院系領(lǐng)導霍老師和彭老師對我們的重視，使我們這屆取得了矚目的成績。 23 參考文獻 [1] 何斌 .VisualC++數(shù)字圖 像處理 .人民郵電出版社 ， 2020. [2] Brian ++簡明教程 .清華大學出版社 ， . [3] 章毓晉 .圖像處理和分析 .清華大學出版社 ， 1999. [4] 高春鳴，蘭秋軍 .應(yīng)用數(shù)字圖像處理技術(shù)處理醫(yī)學影像的研究 .2020，第 27卷，第 3期 .計算機工程 . [5] 姚敏 .數(shù)字圖像處理 .機械工業(yè)出版社 ， [6] 容觀澳 .計算機數(shù)字圖像處理學 . 電子工業(yè)出版社 ， 2020. [7] 李樹祥 .醫(yī)學圖像技術(shù)的發(fā)展及應(yīng)用 .中國圖形圖像學報 ， 1996. [8] 劉敏 .醫(yī)學超聲圖像 處理系統(tǒng) .現(xiàn)代電子技術(shù) ， 20期（數(shù)字版） [9] 麥特爾 .現(xiàn)代數(shù)字圖像處理 .電子工業(yè)出版社 ， 2020. [10] 陳書海，傅錄祥 .實用數(shù)字圖像處理 .科學出版社 ， [11] 姚英學，蔡穎 .計算機輔助設(shè)計與制造 .高等教育出版社， 2020. 24 致謝 這次畢業(yè)設(shè)計終于完成，在這里我要特別感謝我的導師周超聰老師，他在這個過程中指導了我很多，我們相處的也十分融洽。 不管最后對我的論文評價如何，我自己對它是肯定的，因為我為它付出了很多的努力，也學到了很寶貴的一筆財富。它主要是應(yīng)用醫(yī)學圖像的歸檔及輔助分析，通過計算機的多功能的特點，使醫(yī)學圖像的增強，去噪，邊緣分割，圖像格式的轉(zhuǎn)化，并在圖片表現(xiàn)出錯誤的地方做上醫(yī)療標志，可以讓病人和醫(yī)生清楚的看到并有利于保存，而且通過公用白板的使用，可以實現(xiàn)對醫(yī)學圖像的實時討 論，達到良好的醫(yī)學圖像效果。 22 結(jié)論 醫(yī)學圖像處理是計算機、網(wǎng)絡(luò)和多媒體通信技術(shù)在醫(yī)學上的一項具體應(yīng)用，已在全世界各地得到了廣泛的重視和應(yīng)用。因此，首先要對超聲圖像進行邊緣檢測，經(jīng)過各種方 21 法的測試，發(fā)現(xiàn)對圖像進行高斯拉普拉斯邊緣檢測時，可以看出顆粒被分割了出來。 在所獲取的 B超圖像中選定一個感興趣區(qū)域 ROI 區(qū)域取為 30 像素 30 像素，用 VC 編程對其提取參數(shù)，并對結(jié)果進行了分析。 顆粒圖像中顆粒的提取 圖像經(jīng)二值化處理后，就是一些連通的黑色區(qū)域，本文通過貼標簽法，對二值圖像的每個不同的連接成分都進行不同的編號 ， 所得到的圖像成為標簽圖像，貼標簽處理是計算連接成分大小，面積等屬性中的必要處理手段，所得標簽的最大值即為此超聲圖像亮點的量化值，由此實現(xiàn)了超聲圖像的量化處理。1 和 181。這里采用最大方差比的閾值設(shè)定法，該算法現(xiàn)統(tǒng)計出圖像的灰度直方圖，然后把直方圖在某閾值處分成 2 組 c1 和 c2，使如下所示的分離度 ?（ T)為最大值的 T 即為最佳閾值。 20 適當?shù)拈撝?就是既要盡可能地保存圖像信息，又要盡可能地減少背景和噪聲的干擾。由于散斑的回波信號遵循平均值正比于標準偏差的銳利分布，而 Loupas 已證明通過適應(yīng)性加權(quán)中值濾波對圖像散斑進行處理時，圖像的局部灰度平均值變得正比于局部的方差而不是標準偏差，所以選用局部灰度平均值與局部方差的比作為圖像的特征。在噪聲的抑制中，因為超聲圖像中的噪 聲是乘法性噪聲，屬于與圖像信號相關(guān)的噪聲，因此線性濾波在平滑噪聲的同時也對圖像的細節(jié)信息進行了抑制。 超聲圖像預處理 在超聲圖像中，重要的噪聲來自于散斑（ speckle)，它是由于聲束在不均勻微細組織的散射所引起的干涉作用造成的，它在圖像中表現(xiàn)為顆粒狀，并不反映實際的組織結(jié)構(gòu)，但卻影響了圖像的細節(jié)分辨能力。發(fā)生病變后，回聲增強，光點稀疏。 肝臟 B 超圖像的紋理是由于不同的肝臟組織纖維不同，使其對超聲脈沖的吸收、衰減、反射有差異超聲脈沖又相互作用而形成的。快速成像能顯示臟器的活動狀態(tài)，也稱為實時 (ReaITime)顯像診斷法，但所顯示的面積較小，每幅圖像線數(shù)與每秒顯示的幀數(shù)相互約制，互為反比。光點隨探頭的移動或晶片的交替輪換而移動掃查，由于掃查連續(xù)，可以由點、線而掃描出臟器的解剖切面，它是二維空間顯示，又稱二維超聲。超聲治療采用的是較低頻率（通常 1MHz）與較高聲強的超聲波，低頻超聲增大對組織的穿透率，而高聲強（特別是聚焦后）超聲可對組織產(chǎn)生生物效應(yīng)，用于選擇性破壞局灶性病變。超聲波的波長很短，從而易于窄脈沖波束的實現(xiàn)，因此超聲換能器可以做得小而緊湊。 超聲在醫(yī)學中的重要作用在于它不但可以穿透人體 ， 而且可以與身體組織相互作用。代碼實現(xiàn)如下：（見附錄十二） 19 4 醫(yī)學超聲圖像處理 醫(yī)學超聲影像工作原理 超聲是指高于人耳聽覺范圍的聲波，通常是指頻率高于 20 kHz的高頻振動機檢波，應(yīng)用于醫(yī) 學診斷的超聲頻率一般在 1MHz至幾十 MHz之間。理論上就這些，下面是我用 VC 實現(xiàn)的源代碼，圖一為我的灰度位圖，圖二為偽彩色處理后的結(jié)果圖。灰度圖像中，如果相鄰像素點的灰度相差不大，但包含了豐富的信息的話，人眼則無法從圖像中提取相應(yīng)的信 息，因為人眼分辨灰度的能力很差，一般只有幾十個數(shù)量級，但是人眼對彩色信號的分辨率卻很強，這樣將黑白圖像轉(zhuǎn)換為彩色圖像人眼可以提取更多的信息量。 轉(zhuǎn)換公式為 ： Gray(i,j)=*R(i,j)+*G(i,j)+*B(i,j) 其中 Gray(i,j)為轉(zhuǎn)換后的黑白圖像在（ i,j）點處的灰度值，我們可以觀察該式，其中綠色所占的比重最大，所以轉(zhuǎn)換時可以直接使用 G 值作為轉(zhuǎn)換后的灰度。 邊緣檢測原圖 邊緣檢測 1 邊緣檢測 2 圖 36 圖像的邊緣檢測 實現(xiàn)灰度圖像與彩色圖像的相互轉(zhuǎn)換 PhotoShop 的圖像處理功能很強，其中有一個功能是將灰度圖像轉(zhuǎn)換為彩色圖像，數(shù)字圖像處理中，也經(jīng)常要遇到灰度圖像與彩色圖像相互轉(zhuǎn)換的問題。 其中 G[i,j]表示處理后 (i,j)點的灰度值， f[i,j]表示處理前該點的灰度值。 Sobe 算子： G[i,i]=|f[i1,j+1]+2f[i,j+1]+f[i+1,j+1]f[i1,j1]2f[i,j1]f[i+1,j1]| +|f[i1,j1]+2f[i1,j]+f[i1,j+1]f[i+1,j1]2f[i+1,j]f[i+1,j+1]|。 G[f(x,y)]=|△ xf(x,y)|+|△ yf(x,y)|。 Sobel梯度算子是先做成加權(quán)平均，再微分，然后求梯度，即： △ xf(x,y)= f(x1,y+1) + 2f(x,y+1) + f(x+1,y+1) f(x1,y1) 2f(x,y1) f(x+1,y1)。對于數(shù)字圖像，圖像灰度灰度值的顯著變化可以用梯度來表示 ， 以邊緣檢測Sobel算子為例來講述數(shù)字圖像處理中邊緣檢測的實現(xiàn)： 對于數(shù)字圖像，可以用一階差分代替一階微分； △ xf(x,y)=f(x,y)f(x1,y)。下面給出 等于 4的情況下的實現(xiàn)代碼（見附錄十）和效果圖 （圖35）： （ a） LENA原圖 （ b）拉普拉斯銳化圖 圖 35 圖像的銳化效果圖 數(shù)字圖像的邊緣檢測 數(shù)字圖像的邊緣檢測是圖像分割、目標區(qū)域的識別 、 區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，圖像理解和分析的第一步往往就是邊緣檢測，目前它以成為機器視覺研究領(lǐng)域最活躍的課題之一 ， 在工程應(yīng)用中占有十分重要 的地位。在具體實現(xiàn)時 ， 上述模板 H中的各個系數(shù)可以改變 ， 這個系數(shù)的選擇也很重要，太大了會使圖像的輪廓過沖 ， 太小了則圖像銳化不明顯。 這表明不模糊的圖像可以由模糊的圖像減去乘上系數(shù)的模糊圖像拉普拉斯算子來得到 。圖像（ x， y）點的梯度值： 為了突出物體的邊緣，常常采用梯度值的改進算 法，將圖像各個點的梯度值與某一閾值作比較，如果大于閾值，該像素點的灰度用梯度值表示，否則用一個固定的灰度值表示。 為了要把圖像中間任何方向伸展的的邊緣和輪廓線變得清晰，我們希望對圖像的某種運算是各向同性的。圖像銳化處理的目的是為了使圖 像的邊緣、輪廓線以及圖像的細節(jié)變的清晰 ， 經(jīng)過平滑的圖像變得模糊的根本原因 ， 是因為圖像受到了平均或積分運算，因此可以對其進行逆運算（如微分運算）就可以使圖像變的清晰。由于該算法的實現(xiàn)代碼和上述代碼大同小異 ， 所以代碼部分就不再贅述。另外，讀者需要注意一點，在用窗口掃描圖像過程中，對于圖像的四個邊緣的像素點，可以不處理；也可以用灰度值為 0的像素點擴展圖像的邊緣。 圖像平滑包括空域法和頻域法兩大類，在空域法中，圖像平滑的常用方法是采用均值濾波或中值濾波，對于均值濾波，它是用一個有奇數(shù)點的滑動窗口在圖像上滑動，將窗口中心點對應(yīng)的 圖像像素點的灰度值用窗口內(nèi)的各個點的灰度值的平均值代替，如果滑動窗口規(guī)定了在取均值過程中窗口各個像素點所占的權(quán)重，也就是各個像素點的系數(shù)，這時候就稱為加權(quán)均值濾波；對于中值濾波，對應(yīng)的像素點的灰度值用窗口內(nèi)的中間值代替。 一般來說，圖像的能量主要集中在其低頻部分，噪聲所在的頻段主要在高頻段，同時系統(tǒng)中所要提取的汽車邊緣信息也主要集中在其高頻部分，因此，如何去掉高頻干擾又同時保持邊緣信息，是我們研究的內(nèi)容。圖像的常見噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。 圖像平滑主要是為了消除噪聲。但是直方圖均衡化存在著兩個缺點： （ 1）變換后圖像的灰度級減少，某些細節(jié)消失； （ 2）某些圖像，如直方圖有高峰，經(jīng)處理后對比 度不自然的過分增強。若像素點的原灰度為 R，變換后的灰度為 S，需要注意的是 R、 S是歸一化后的灰度值，其灰度變換函數(shù) T()為： S=T (R)； k=0,1…, ； 對變換后的 S值取最靠近的一個灰度級的值，建立灰度級變換表，將原圖像變換為直方圖均衡的圖像。 對于圖像的灰度變 換，這里