1、真誠為您提供優(yōu)質(zhì)參考資料，若有不當(dāng)之處，請指正。1 設(shè)計目的、意義 綜合應(yīng)用醫(yī)學(xué)影象物理學(xué)、醫(yī)學(xué)成像原理、醫(yī)學(xué)圖象處理、計算機(jī)編程、Matlab語言等基礎(chǔ)與專業(yè)知識，通過理論與實(shí)踐相結(jié)合，掌握所學(xué)知識的綜合應(yīng)用方法，掌握圖象融合的應(yīng)用方法，培養(yǎng)和提高解決本專業(yè)實(shí)際工程問題的能力。課程設(shè)計的主要目的：（1）培養(yǎng)學(xué)生文獻(xiàn)檢索的能力，特別是如何利用Internet檢索需要的文獻(xiàn)資料。（2）培養(yǎng)學(xué)生綜合分析問題、發(fā)現(xiàn)問題和解決問題的能力。（3）培養(yǎng)學(xué)生用maltab處理圖像與數(shù)據(jù)的能力。2 設(shè)計內(nèi)容2.1 設(shè)計要求：要求設(shè)計出MRI與CT圖像融合處理與分析程序。(1) 處理對象：MRI與CT圖像(2)

2、 內(nèi)容：對給定圖像做圖像濾波、增強(qiáng)等預(yù)處理；選擇相應(yīng)配準(zhǔn)算法進(jìn)行兩圖像的配準(zhǔn)；選擇合理融合方法進(jìn)行兩圖像的融合；確定評價參數(shù)，定量分析融合效果，采用Matlab編程，實(shí)現(xiàn)上述各過程。(3) 結(jié)果：整理所設(shè)計資料，提交設(shè)計報告2.2 設(shè)計內(nèi)容：（1）了解醫(yī)學(xué)MRI和CT圖像成像原理，分析MRI和CT圖像的特征，確定圖像濾波、增強(qiáng)等預(yù)處理算法，并編程實(shí)現(xiàn)；（2）確定圖像配準(zhǔn)處理算法，并編程實(shí)現(xiàn)；（4）確定圖像融合處理算法，并編程實(shí)現(xiàn)；（5）確定評價參數(shù)，定量分析融合效果。2.3 實(shí)驗原理醫(yī)學(xué)圖像融合技術(shù)作為圖像處理主要的技術(shù)已逐漸成為圖像處理研究的熱點(diǎn),它的研究將會對未來醫(yī)學(xué)影像技術(shù)進(jìn)步帶來深遠(yuǎn)的

3、影響。2.31 CT的成像基本原理電腦斷層掃描（Computed Tomography簡稱(CT)）:它是用X射線照射人體，由于人體內(nèi)不同的組織或器官擁有不同的密度與厚度，故其對X射線產(chǎn)生不同程度的衰減作用，從而形成不同組織或器官的灰階影像對比分布圖，進(jìn)而以病灶的相對位置、形狀和大小等改變來判斷病情。CT由于有電腦的輔助運(yùn)算，所以其所呈現(xiàn)的為斷層切面且分辨率高的影像。一般臨床所提及的CT，指的是以X光為放射源所建立的斷層圖像，稱為X光CT。事實(shí)上，任何足以造成影像，并以計算機(jī)建立斷層圖的系統(tǒng)，均可稱之為CT。CT是用X線束對人體某部一定厚度的層面進(jìn)行掃描，由探測器接收透過該層面的X線，轉(zhuǎn)變?yōu)榭?/p>

4、見光后，由光電轉(zhuǎn)換變?yōu)殡娦盘?，再?jīng)模擬/數(shù)字轉(zhuǎn)換器（analog/digital converter）轉(zhuǎn)為數(shù)字，輸入計算機(jī)處理。圖像形成的處理有如對選定層面分成若干個體積相同的長方體，稱之為體素（voxel），見圖1。掃描所得信息經(jīng)計算而獲得每個體素的X線衰減系數(shù)或吸收系數(shù)，再排列成矩陣，即數(shù)字矩陣（digital matrix），數(shù)字矩陣可存貯于磁盤或光盤中。經(jīng)數(shù)字/模擬轉(zhuǎn)換器（digital/analog converter）把數(shù)字矩陣中的每個數(shù)字轉(zhuǎn)為由黑到白不等灰度的小方塊，即象素（pixel），并按矩陣排列，即構(gòu)成CT圖像。所以，CT圖像是重建圖像。每個體素的X線吸收系數(shù)可以通過不同的

5、數(shù)學(xué)方法算出。圖2.31 ct成像原理示意圖CT圖像是由一定數(shù)目由黑到白不同灰度的象素按矩陣排列所構(gòu)成。這些象素反映的是相應(yīng)體素的X線吸收系數(shù)。不同CT裝置所得圖像的象素大小及數(shù)目不同。大小可以是1.01.0mm，0.50.5mm不等；數(shù)目可以是256256，即65536個，或512512，即262144個不等。顯然，象素越小，數(shù)目越多，構(gòu)成圖像越細(xì)致，即空間分辨力（spatial resolution）高。CT圖像的空間分辨力不如X線圖像高。 CT圖像是以不同的灰度來表示，反映器官和組織對X線的吸收程度。因此，與X線圖像所示的黑白影像一樣，黑影表示低吸收區(qū)，即低密度區(qū)，如含氣體多的肺部；白影

6、表示高吸收區(qū)，即高密度區(qū)，如骨骼。但是CT與X線圖像相比，CT的密度分辨力高，即有高的密度分辨力（density resolutiln）。因此，人體軟組織的密度差別雖小，吸收系數(shù)雖多接近于水，也能形成對比而成像。這是CT的突出優(yōu)點(diǎn)。所以，CT可以更好地顯示由軟組織構(gòu)成的器官，如腦、脊髓、縱隔、肺、肝、膽、胰以及盆部器官等，并在良好的解剖圖像背景上顯示出病變的影像。CT圖像是層面圖像，常用的是橫斷面。為了顯示整個器官，需要多個連續(xù)的層面圖像。通過CT設(shè)備上圖像的重建程序的使用，還可重建冠狀面和矢狀面的層面圖像，可以多角度查看器官和病變的關(guān)系。2.32 MRI成像原理MRI檢查技術(shù)是在物理學(xué)領(lǐng)域發(fā)

7、現(xiàn)磁共振現(xiàn)象的基礎(chǔ)上，于20世紀(jì)70年代繼CT之后，借助電子計算機(jī)技術(shù)和圖像重建數(shù)學(xué)的進(jìn)展和成果而發(fā)展起來的一種新型醫(yī)學(xué)影像檢查技術(shù)。ZMx影像園XCTMRaaaMRI是通過對主磁體內(nèi)靜磁場(即外磁場)中的人體施加某種特定頻率的射頻脈沖(RF脈沖)，使人體組織中的氫核(即質(zhì)子)受到激勵而發(fā)生磁共振現(xiàn)象；當(dāng)終止RF脈沖后，質(zhì)子在弛豫過程中感應(yīng)出MR信號；經(jīng)過對MR信號的接收、空間編碼和圖像重建等處理過程，產(chǎn)生出MR圖像。MR圖像是數(shù)字化圖像。人體內(nèi)氫核豐富，而且用它進(jìn)行MRI的成像效果最好，因此目前MRI常規(guī)用氫核來成像。1.目前設(shè)計的磁共振成像掃描儀大多是采用氫質(zhì)子成像的，因為氫質(zhì)子是人體內(nèi)最

8、活躍、最易受外界磁場影響的原子核。2氫質(zhì)子在外加磁場的影響下，產(chǎn)生磁化和進(jìn)動運(yùn)動。3氫質(zhì)子在上述磁化運(yùn)動的基礎(chǔ)上，如再使用一個射頻脈沖（RF）使其激發(fā)并獲取能量，當(dāng)RF終止后，氫質(zhì)子便會逐漸地釋放所獲取的能量并恢復(fù)至常態(tài)。此恢復(fù)的過程稱為弛豫。2.33 基于小波包變換的醫(yī)學(xué)圖像融合小波變換用于圖像融合具有以下優(yōu)點(diǎn): (1)圖像經(jīng)小波分解后 ,不同分辨率的細(xì)節(jié)信息互不相關(guān) ,這樣可以將不同頻率范圍內(nèi)的圖像分別組合 ,產(chǎn)生多種具有不同特征的融合圖像; (2)圖像在不同分辨率水平上的能量和噪聲不會相互干擾; (3)小波變換具有完善的重構(gòu)能力 ,能保證圖像在分解過程中沒有信息損失和信息冗余?；谛〔ò?/p>

9、運(yùn)算和自適應(yīng)算子的圖像融合算法實(shí)現(xiàn)過程是:先對已配準(zhǔn)的兩幅或多幅醫(yī)學(xué)圖像進(jìn)行小波包分解 ,然后采用自適應(yīng)算子對小波系數(shù)及分解子圖像進(jìn)行處理 ,最后進(jìn)行小波包重建 ,從而獲得融合圖像。圖 2.32 小波變換原理圖3 實(shí)驗程序與實(shí)驗結(jié)果圖3.1 處理前CT與MRI圖像3.1 對圖像進(jìn)行濾波預(yù)處理3.11 中值濾波中值濾波可以保留目標(biāo)邊緣，這是中值濾波器相對于均值濾波器的最大優(yōu)勢。中值濾波具有去噪的性能，可以消除孤立的噪聲點(diǎn)，可以用來減弱隨機(jī)干擾和脈沖干擾，但是邊緣不模糊。程序代碼：I=imread(cameraman.tif);imshow(I)title(原始圖像)J=imnoise(I,sal

10、t & pepper,0.02); %添加鹽椒噪聲，噪聲密度為0.02figure,imshow(J)title(添加鹽椒噪聲后的圖像) K1=medfilt2(J); %在默認(rèn)的33的鄰域窗中進(jìn)行中值濾波figure,imshow(K1)title(默認(rèn)的33的鄰域窗的中值濾波圖像)K2=medfilt2(J,5 5); %在55的鄰域窗中進(jìn)行中值濾波figure,imshow(K2)title(55的鄰域窗的中值濾波圖像)圖3.11.1 CT圖像的中值濾波圖 3.11.2 MRI圖像中值濾波從上可見，中值濾波的效果要比鄰域平均的低通濾波效果好，中值濾波以后的圖像的輪廓比較清晰，而且使用較小

11、的模板得到的視覺效果反而好一些。3.12 銳化濾波圖像銳化處理的目的是使模糊圖像變得清晰，銳化濾波器減弱或消除了傅立葉空間的低頻分量，保留高頻分量，從而加強(qiáng)了圖像的輪廓，使圖像看起來比較清晰。下面應(yīng)用Laplacian算子對圖像進(jìn)行銳化處理：程序代碼：%應(yīng)用Laplacian算子對圖像進(jìn)行銳化I=imread(cameraman.tif);imshow(I)title(原始圖像)H=fspecial(laplacian);%應(yīng)用laplacian算子濾波銳化圖像laplacianH=filter2(H,I);figure,imshow(laplacianH)title(laplacian算子銳

12、化后的圖像) 圖 3.12.1 CT圖像的銳化濾波圖 3.12.2 MRI圖像的銳化濾波 分析：由圖可以看出，應(yīng)用了Laplacian算子對圖像銳化以后，將圖像區(qū)域的邊緣輪廓勾劃了出來，因此Laplacian算子對于邊緣檢測也具有很好的功效。3.2 對圖像進(jìn)行增強(qiáng)預(yù)處理圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息，同時，消弱或去除某些不需要的信息的處理方法。其主要目的是使處理后的圖像對某些特定的應(yīng)用比原來的圖像更加有效圖像增強(qiáng)有圖像對比度增強(qiáng)、亮度增強(qiáng)，輪廓增強(qiáng)等等。下面利用直方圖均衡化增強(qiáng)圖像的對比度：I=imread(cameraman.tif);J=histeq(I);%將灰度圖像轉(zhuǎn)

13、換成具有64（默認(rèn)）個離散灰度級的灰度圖像imshow(I)title(原始圖像)figure,imshow(J)title(直方圖均衡化后的圖像)figure(1)subplot(121);imhist(I,64)title(原始圖像的直方圖)subplot(122);imhist(J,64)title(均衡化的直方圖)圖 3.21 原始圖像及均衡化直方圖圖 3.22 直方圖均衡化圖像分析：從上圖中可以看出，用直方圖均衡化后，圖像的直方圖的灰度間隔被拉大了，均衡化的圖像的一些細(xì)節(jié)顯示了出來，這有利于圖像的分析和識別。直方圖均衡化就是通過變換函數(shù)histeq將原圖的直方圖調(diào)整為具有“平坦”傾向

14、的直方圖，然后用均衡直方圖校正圖像。3.3 對MRI和CT圖像進(jìn)行融合3.31 基于小波包變換的醫(yī)學(xué)圖像融合為滿足醫(yī)學(xué)圖像臨床輔助診斷和治療的需要 ,將小波包變換和自適應(yīng)算子相結(jié)合 ,提出一種新的醫(yī)學(xué)圖像融合算法。算法首先對已配準(zhǔn)的醫(yī)學(xué)圖像進(jìn)行小波包分解 ,并采用自適應(yīng)算子對小波系數(shù)及分解子圖像進(jìn)行處理 ,通過小波包重建 ,獲得高質(zhì)量的醫(yī)學(xué)融合圖像。該方法克服了小波變換不能兼顧圖像高頻成分的缺陷 ,并且可以根據(jù)不同的醫(yī)學(xué)圖像自動調(diào)整融合規(guī)則的權(quán)重系數(shù) ,有效避免了設(shè)置固定權(quán)重系數(shù)造成的融合誤差。實(shí)例融合仿真驗證了算法的有效性和先進(jìn)性clear%裝載原始圖像001.mat;002.mat并顯示。

15、X,map=imread(003.Tif);X1=X;map1=map;figure(2);X1=imread(003.Tif);subplot(2,2,1);imshow(X1);title(圖像001);X2=imread(004.Tif);subplot(2,2,2);imshow(X2);title(圖像002);X1=double(X1);X2=double(X2);%X1=uint8(X1);%X2=uint8(X2);%=%對上述兩圖像進(jìn)行分解c1,I1=wavedec2(X1,3,sym4);c2,I2=wavedec2(X2,3,sym4);%對分解系數(shù)進(jìn)行融合c=c1+c2

16、;%=%應(yīng)用融合系數(shù)進(jìn)行圖像重構(gòu)并顯示XX=waverec2(c,I1,sym4)subplot(2,2,3);%image(uint8(XX);XX=double(XX);image(XX);title(融合圖像);Csize1=size(c1);%=%對圖像進(jìn)行增強(qiáng)處理for i=1:Csize1(2) c1(i)=1.2*c1(i);endCsize2=size(c2);for j=1:Csize2(2) c2(j)=0.8*c2(j);end%=%通過減小融合技術(shù)以減小圖像的亮度c=0.5*(c1+c2);%=%對融合系數(shù)進(jìn)行圖像重構(gòu)XXX=waverec2(c,I2,sym4);%=

17、%顯示重構(gòu)結(jié)果subplot(2,2,4);XXX=double(XXX);image(XXX);%image(uint8(XXX);title(融合后增強(qiáng)圖像);圖 3.31 CT和MRI圖像融合結(jié)果圖4 設(shè)計心得及感想隨著各種醫(yī)學(xué)影像設(shè)備數(shù)字多元化以及PACS系統(tǒng)的逐步推廣, 醫(yī)學(xué)圖像處理技術(shù)也在不斷發(fā)展和進(jìn)步。常見的診斷手段, 如: X光透視、 CT、 MRI、超聲波等屬于解剖成像; PET、 SPECT、功能性磁共振成像( fMRI)等技術(shù)屬于功能成像。醫(yī)學(xué)圖像融合技術(shù)則是將各種醫(yī)學(xué)圖像的信息有機(jī)結(jié)合起來, 進(jìn)行配準(zhǔn)后融合, 不僅可以優(yōu)勢互補(bǔ), 還有可能發(fā)現(xiàn)新的、有價值的信息, 彌補(bǔ)了

18、由于成像原理不同造成的圖像信息的缺失。目前, 圖像融合技術(shù)已經(jīng)成為計算機(jī)手術(shù)仿真或治療計劃中的一個重要方法。CT/MRI是醫(yī)學(xué)圖像融合中最為常見的一種模式。CT圖像的密度分辨率高,顯示骨質(zhì)清晰;而MRI的軟組織分辨率好, 對顱腦結(jié)構(gòu)顯示得更好,兩類圖像融合后,可做到信息互補(bǔ)。同時,在圖像融合領(lǐng)域中, 有效實(shí)用的算法是融合的關(guān)鍵。這次的課程設(shè)計讓我們對MALTAB有了更加深刻的理解，對給定圖像做圖像濾波、增強(qiáng)等預(yù)處理；選擇相應(yīng)配準(zhǔn)算法進(jìn)行兩圖像的配準(zhǔn)；選擇合理融合方法進(jìn)行兩圖像的融合；確定評價參數(shù)，定量分析融合效果，采用Matlab編程，實(shí)現(xiàn)上述各過程。我們對用MALTAB進(jìn)行數(shù)據(jù)分析理解的更加

19、透徹。MATLAB作為一種數(shù)學(xué)工具,廣泛用于各個工程領(lǐng)域.工程技術(shù)人員通過MATLAB提供的工具箱和豐富的調(diào)用函數(shù),可以完成復(fù)雜工程問題的數(shù)值求解.并能夠?qū)⒂嬎憬Y(jié)果形象直觀地顯示出來。這也激發(fā)了我今后努力學(xué)習(xí)的興趣，我想這將對我以后的學(xué)習(xí)產(chǎn)生積極的影響。其次，這次課程設(shè)計讓我充分認(rèn)識到團(tuán)隊合作的重要性，只有分工協(xié)作才能保證整個項目的有條不絮。另外在課程設(shè)計的過程中，當(dāng)我們碰到不明白的問題時，指導(dǎo)老師總是耐心的講解，給我們的設(shè)計以極大的幫助，使我們獲益匪淺。因此非常感謝老師的教導(dǎo)。通過這次設(shè)計，我懂得了學(xué)習(xí)的重要性，了解到理論知識與實(shí)踐相結(jié)合的重要意義，學(xué)會了堅持、耐心和努力，這將為自己今后的學(xué)

20、習(xí)和工作做出了最好的榜樣。我覺得作為一名軟件工程專業(yè)的學(xué)生，這次課程設(shè)計是很有意義的。更重要的是如何把自己平時所學(xué)的東西應(yīng)用到實(shí)際中。雖然自己對于這門課懂的并不多，很多基礎(chǔ)的東西都還沒有很好的掌握，覺得很難，也沒有很有效的辦法通過自身去理解，但是靠著這一個多禮拜的“學(xué)習(xí)”，在小組同學(xué)的幫助和講解下，漸漸對這門課逐漸產(chǎn)生了些許的興趣，自己開始主動學(xué)習(xí)并逐步從基礎(chǔ)慢慢開始弄懂它。我認(rèn)為這次的課程設(shè)計意義很深，和其他同學(xué)的共同學(xué)習(xí)配合努力的過程也很愉快，另外還要感謝老師的耐心輔導(dǎo)。生活就是這樣，汗水預(yù)示著結(jié)果也見證著收獲。勞動是人類生存生活永恒不變的話題。通過實(shí)習(xí)，我才真正領(lǐng)略到“艱苦奮斗”這一詞的真正含義，我才意