1、醫 學 圖 像 處 理Medical Image Processing陳家益( )廣東醫學院 信息工程學院 計算機科學教研室主要內容：3.4 醫學圖像的平滑3.2 圖像的點運算及灰度變換3.3 直方圖增強3.1 醫學圖像增強的目的與和分類3.5 醫學圖像的銳化第3章醫學圖像增強技術 醫學圖像增強的目的是通過對醫學圖像的處理，增強圖像中的有用信息，抑制或消除一些無用的信息，突出圖像中感興趣的區域，改善圖像的外觀和視覺效果，使圖像特征比原圖像更容易被人類視覺系統感知或更容易被自動圖像分析系統檢測。3.1 醫學圖像增強的目的與和分類圖像增強空域法局部運算平滑均值濾波中值濾波銳化拉普拉斯羅伯特算子So

2、bel算子點運算灰度變換直方圖法頻域法3.1 醫學圖像增強的目的與和分類醫學圖像增強的分類： 醫學圖像增強常用三類變換函數：線性（正比和反比）、對數型（對數和反對數）、指數型（n次冪和n次方根）3.2 圖像的點運算及灰度變換（1）線性變換函數1)線性變換函數定義及增強過程 設原圖像的灰度范圍為a,b,即af(x,y)b。若進行線性變換，將灰度范圍拉伸為c,d(d-cb-a)，則變換表達式為：3.2 圖像的點運算及灰度變換 Matlab中線性變換增強的三種實現方法：方法一f=imread(dust.tif);m,n=size(f);a=min(f(:);b=max(f(:);c=0;d=255;

3、for i=1:m for j=1:n g(i,j)=(d-c)/(b-a)*(f(i,j)-a)+c; endend3.2 圖像的點運算及灰度變換 Matlab中線性變換增強的三種實現方法：方法二f=imread(dust.tif);a=min(f(:);b=max(f(:);c=0;d=255;g=(d-c)/(b-a)*(f-a)+c;方法三g=imadjust(f,low_in high_in,low_out high_out); low_in,high_in,low_out,high_out取值范圍為歸一化范圍0,1。f=imread(dust.tif);a=min(f(:);b=m

4、ax(f(:);g=imadjust(f,double(a/255) double(b/255),0 1);3.2 圖像的點運算及灰度變換2)常用線性變換函數圖像反轉 灰度級為0,L-1的圖像反轉由以下函數實現： g(x,y)=L-1-f(x,y);方法一g(x,y)=L-1-f(x,y);方法二g=imadjust(f,0 1,1,0);方法三 plement(f);3.2 圖像的點運算及灰度變換2)常用線性變換函數分段線性函數 對比度拉伸：是點對點的灰度級的映射，抑制非重要信息的對比度，拉伸重要信息的對比度。 3.2 圖像的點運算及灰度變換MfabfgMgcd原始圖像中期望觀察部分的灰度值

5、主要集中在90-140之間25590140fg2555250原始圖像對比度拉伸結果閥值函數：從圖像中將感興趣的對象突出或分割出來。實現閥值分割的函數：Im2bw(f,level);level取值范圍為0,1（2）非線性變換函數1) 對數變換 3.2 圖像的點運算及灰度變換作用：將暗的部分擴展，而將亮的部分抑制。非線性動態范圍調整13998213733606468205292603599943585580868940749480g=9*log(double(f)+1)g=1.5*im2uint8(mat2gray(log(1+double(f);（2）非線性變換函數2) 指數變換 3.2 圖像的

6、點運算及灰度變換 電荷耦合器件圖像CDD的輸入輸出不是線性的，其輸入與輸出為指數關系，必須對其進行校正，以使得處理后的灰度信息與輸入信號近似為線性關系。 指數變換也稱Gamma校正。2) 指數變換 3.2 圖像的點運算及灰度變換2) 指數變換 當 ，指數變換對低亮度區域進行拉伸，顯示隱藏在低灰度區域的細節，而對高亮度區域進行壓縮。 當 ，指數變換對中低亮度區域進行壓縮，而對高亮度區域進行拉伸，突出顯示隱藏在高亮度區域的細節 。 Matlab中使用函數imadjust() 實現指數變換： g=imadjust(f,low_in high_in,low_out high_out,gamma);3.

7、2 圖像的點運算及灰度變換輸入圖像的校正(Gamma correction )人的脊椎骨折的MR圖像Gamma較正用于通常的對比度操作（使圖像變亮） (a) 原始場景 (b) =0.5 (c) =0.7 (d) =0.9要取得好的視覺體驗，觀看到“原始場景”，必須對圖像進行校正輸入圖像的校正(Gamma correction )注意：估計的 值不一定準確，下圖表明值不準確時，進行校正后的圖像效果。 (a)設備 值為0.5 (b)值估計過小 (d)值估計適當 (c)值估計過大輸入圖像的校正(Gamma correction )（1）直方圖均衡化 根據圖像的直方圖可以判斷一幅圖象是否合理的利用了灰

8、度級范圍3.3 直方圖增強（1）直方圖均衡化 直方圖均衡化是將原圖像的直方圖通過轉換函數修正為均勻分布的形式。 步驟：計算原圖像的灰度直方圖 對具有L個灰度級的圖像（歸一化灰度值范圍為0,1），計算灰度直方圖: 3.3 直方圖增強（1）直方圖均衡化對每個灰度 ，進行變換得到新的灰度值 ：將 映射到L個灰度級，得到均衡后的灰度級 ：均衡化原始圖像 計算 對應的像素數，從而計算新的灰度直方圖。3.3 直方圖增強（1）直方圖均衡化 直方圖均衡化實例：原始圖像有64*64個像素，共8個灰度級。 3.3 直方圖增強數（1）直方圖均衡化 實現直方圖均衡化的函數為： g=histeq(f);3.3 直方圖增強（2）直方圖規定化 直方圖規定化又叫直方圖匹配，是轉換一幅圖像使其直方圖與另一幅圖像的直方圖匹配或具有預先規定的形狀。目的是突出感興趣的灰度范圍，常用于消除同一場景不同成像條件下圖像之間的亮度差異。3.3 直方圖增強（2）直方圖規定化對原圖像均衡化：對期望得到的直方圖均衡化：根據 ，得出 之間的映射關系；根據映射關系，對原圖像