（信号与信息处理专业论文）尿沉渣细胞识别的研究.pdf

长春工业大学硕士学位论文 中文摘要 我国人口众多，医疗手段和诊断水平的高低直接关系到我国十几亿人口的切身利 益，提高我国的医疗水平势在必行。尿液分析是目前医院临床检验中常规检测项目之 一，它包括尿液的物理检查、化学分析和尿沉渣分析。其中尿沉渣分析是对尿液有形 成分的检查和识别，包括尿液中的红细胞、自细胞、草酸钙结晶、脂肪球、细菌等各 种有形成分，通过分析它们在尿液中的含量能辅助对泌尿系统疾病做出诊断，它对肾 脏疾病、泌尿道疾病、循环系统疾病以及感染性疾病的诊断治疗具有十分重要的作用。 日前在尿沉渣计数检查方面，国内的大部分医院仍处于人工识别阶段，应用传统手工 显微镜法进行尿沉渣检查，不仅工作强度大、而且人为误差率较高，定量检测更无从 谈起，甚至有时一些医生缺乏临床经验和专业知识，诊断水平不够理想，直接影响着 病人病情的诊断和治疗。因此，改善临床诊断的方法，提高临床诊断的准确率就显得 十分重要和追切。 利用计算机技术对临床上尿沉渣图像进行自动分析，将极大提高其临床鉴别的准确 性，同时也显著降低临床检验人员的劳动强度。本文以数字图像处理技术和模式识别技 术为基础，应用计算机软件实现对细胞的自动识别与分类，通过对尿沉渣图像的预处理、 分割、特征提取，b p 人工神经网络的设计，取得了对红细胞、白细胞、草酸钙结晶的识 别分类，并完成了定量的分析。论文主体内容简介如下： ( 1 ) 图像的预处理及分割。本文应用了图像预处理知识着重在图像二值化，边缘 检测等方面进行了分析，应用了s o b e r 算子及二值化理论完成了对图像的分割。在整张 的尿沉渣图像中分割出待识别的目标体。 ( 2 ) 图像的特征选择和提取。特征选择和提取的基本任务是如何从许多特征中找 出那些最有效的特征。这一任务是在分类器设计之前进行，为分类器提供数据基础， 故该任务完成的好坏直接关系后续分类器的设计。本文选取了一些几何特征、统计特 征、经快速傅里叶变换( f f t ) 后的一些频域特征以及其他一些重要特征，实验证明这 些特征是典型的，有效的。 ( 3 ) b p 人工神经网络分类器的设计。分类器的设计是模式识别中关键性问题。人 工神经网络具有类似人的学习、归纳与分类的能力以及良好的容错性和泛化能力。本 文采用b p 人工神经网络制作分类器，采用有监督的学习方法，通过用大量的训练对对 分类器进行训练，使之误差不断减小。 ( 4 ) 仿真与实验。在理论研究的基础上，本文采用v c + + 6 0 完成仿真与实验，实 现的功能简介如下：a 设计出尿沉渣细胞识别的测试平台及友好的界面显示；b 实 现对b m p 位图的读取、显示和存储以及实验数据的读写或存储：d 设计了b p 人工神 经网络分类器设计的训练及分类仿真平台，该平台为友好的人机交互界面，在人工神 长春工业大学硕士学位论文 经网络训练时可以灵活调整神经元数及隐层层数，同时可以观察误差变化情况。 关键词：模式识别图像处理特征提取分类器人工神经网络 长春工业大学硕士学位论文 c h i n ah a sal a r g ep o p u l a t i o n t h em e d i c a lm e t h o da n dt h ed i a g n o s i sl e v e l d i r e c t l yr e l a t et ot h ev i t a li n t e r e s to fs e v e r a lh u n d r e dm i l l i o np e o p l e i t i si m p e r a t i v et or a i s e so u rc o u n t r y sm e d i c a ll e v e l u r i n ea n a l y s i si sa c o n v e n t i o n a lh o s p i t a lc l i n i c a ll a b o r a t o r yt e s t i n gp r o j e c t ，w h i c hi n c l u d e st h e p h y s i c a l i n s p e c t i o no fu r i n e ，c h e m i c a la n a l y s i sa n du r i n ea n a l y s i s u r i n a r y s e d i m e n t sa n a l y s i si st oe x a m i n ea n dr e c o g n i z et h o s eo ft h ev i s i b l ec o m p o n e n t s o ft h eu r i n e ，i n c l u d i n gr b c ，w b c ，c a l c i u mo x a l a t ec r y s t a l l i z a t i o n ，t u b e ，f a t ， b a c t e r i aa n ds oo n b ya n a l y z i n gt h ec o n t e n to ft h e mi nu r i n e ，i tc o u l dh e l p m a k et h ed i a g n o s i so fu r i n a r ys y s t e md i s e a s e ，a n di tp l a ya v e r yi m p o r t a n tr o l e i nt h ed i a g n o s i sa n dt r e a t m e n to ft h ed i s e a s es u c ha sk i d n e yd i s e a s e ，u r i n a r y t r a c td i s e a s e s ，c i r c u l a t o r ys y s t e md i s e a s ea sw e l la st h ei n f e c t i o n sd i s e a s e a tp r e s e n t ，m o s td o m e s t i ch o s p i t a l sa r es t i l la r t i f i c i a lc o g n i t i o ni nc o u n t i n g t h eu r i n a r ys e d i m e n t s t r a d i t i o n a lm a n u a lm i c r o s c o p i ci n s p e c t i o nm e t h o di sn o t o n l yt h ew o r ki n t e n s i t y ，b u th i g h e rm a n - m a d ee r r o rr a t e ，n o tt om e n t i o n q u a n t i t a t i v ed e t e c t i o n s o m e t i m e s ，w h a ti sm o r e ，l a c k i n go fc l i n i c a le x p e r i e n c e a n ds p e c i a l i z e dk n o w l e d g e ，d o c t o r sm a k el e s ss a t i s f a c t o r yd i a g n o s t i c ，w h i c h d i r e c t l yi n f l u e n c eo nt h ed i a g n o s i sa n dt r e a t m e n to fi l l n e s s i ti se x t r e m e l y i m p o r t a n ta n du r g e n tt oi m p r o v ec l i n i c a ld i a g n o s i sm e t h o da n de n h a n c et h e c l i n i c a ld i a g n o s i st h er a t eo fa c c u r a c y u s i n gc o m p u t e rt e c h n o l o g yt oc l i n i c a lu r i n a r ys e d i m e n t sa u t o m a t i ci m a g e a n a l y s i sw i l ln o to n l yg r e a t l ye n h a n c et h ea c c u r a c yo fc l i n i c a ld i f f e r e n t i a t i o n b u ta l s oo b v i o u s l yr e d u c et h ec l i n i c a le x a m i n a t i o np e r s o n n e l sl a b o ri n t e n s i t y b a s e do nd i g i t a li m a g ep r o c e s s i n ga n dp a t t e r nr e c o g n i t i o nt e c h n i q u e s ，i ta c h i e v e a u t o m a t i ci d e n t i f i c a t i o na n dc l a s s i f i c a t i o no fc e l l si m a g ei nt h i s p a p e r t h r o u g ht h eu r i n a r ys e d i m e n t si m a g ep r e p r o c e s s i n g ， s e g m e n t a t i o n ， f e a t u r e e x t r a c t i o na n db pa r t i f i c i a ln e u r a ln e t w o r kd e s i g n ，f i n a l l yw o n 舳b1 b ca n d c r y s t a l l i z a t i o no fc a l c i u mo x a l a t ec l a s s i f i e r ，a n dc o m p l e t et h eq u a n t i t a t i v e a n a l y s i s f o l l o w i n gi sab r i e fi n t r o d u c t i o no ft h em a i nc o n t e n t so ft h ep a p e r ： ( 1 ) i m a g ep r e p r o c e s s i n ga n ds e g m e n t a t i o n t h i sp a p e rf o c u s e so nt h ei m a g e p r e p r o c e s s i n ga n da n a l y z i n gb yb i n a r i z a t i o n ，e d g ed e t e c t i o n ， s o b e ro p e r a t o r a n ds oo n 。t h e nw ew i l lg e tt a r g e t sf r o mt h ew h o l eu r i n a r yi m a g e 长春工业大学硕士学位论文 ( 2 ) i m a g ef e a t u r es e l e c t i o na n de x t r a c t i o n t h ej o bo fi m a g ef e a t u r e s e l e c t i o na n de x t r a c t i o ni sh o wt og e tt h em o s te f f e c t i v ef e a t u r e sf r o mm a n y f e a t u r e s i ti sb e f o r et h ec l a s s i f i e rd e s i g nc a r r i e so n ，a n dp r o v i d e st h ed a t a f o u n d a t i o nf o rt h ec l a s s i f i e r i t sq u a l i t yd i r e c t l ye f f e c tf o l l o w i n gc l a s s i f i e r d e s i g n t h ef e a t u r e sa r es e l e c t e df r o mg e o m e t r y ，s t a t i s t i c s ，f r e q u e n c yd o m a i n b yf a s tf o u r i e rt r a n s f o r ma n do t h e ri m p o r t a n to n e s t h e s ef e a t u r e sa r et y p i c a l a n de f f e c t i v ea se x p e r i m e n ts h o w s ( 3 ) c l a s s i f i e rd e s i g no f b p a r t i f i c i a ln e u r a ln e t w o r k ( a n n ) t h ec l a s s i f i e r d e s i g ni sak e yo ft h ep a t t e r nr e c o g n i t i o n a r t i f i c i a ln e u r a ln e t w o r k ( a n n ) h a v eg o o da b i l i t yo fs t u d y ，i n d u c t i o na n dc l a s s i f yj u s ta sh u m a n k i n d ，a sw e l l a sf a u l tt o l e r a n c ea n dg e n e r a l i z a t i o n b pa r t i f i c i a ln e u r a ln e t w o r ki st r a i n e d b yt e a c h e ri nt h i sp a p e r t h r o u g hu s e st h em a s s i v et r a i n i n gp a r t n e r st ot r a i n t h ec l a s s i f i e r ，s ot h a te r r o r sw i l ld e c r e a s em o r ea n dm o r e ( 4 ) s i m u l a t i o na n de x p e r i m e n t o nt h eb a s i so ft h e o r e t i c a ls t u d i e s ， s i m u l a t i o na n de x p e r i m e n ta r ec o m p l e t e db yu s i n gv c + + 6 0i nt h ep a p e r i ti s s h o wa sf o l l o w ：a d e s i g n st h et e s tp l a t f o r ma n dt h ef r i e n d l yi n t e r f a c e b c o m p l e t et or e a d ，s h o wa n ds t o r et h eb i t m a p ，a n dr e a d - w r i t e a n dm e m o r y e x p e r i m e n td a t a c t h ep l a t f o r mo fb pa n ni sd e s i g n e df o rt r a i n i n g a n d s i m u l a t i o n a si t sf r i e n d l yi n t e r f a c e ，w ec a nc h a n g et h en u m b e ro fn e r v ec e l l a n dh i d d e nl a y e r ，a sw e l1a so b s e r v et h ev a l u eo fe r r o r k e yw o r d s ：p a t t e r nr e c o g n i t i o ni m a g ep r o c e s s i n g f e a t u r ee x t r a c t i o n c l a s s i f i e ra r t i f i c i a l n e u r a ln e t w o r k ( a n n ) 长春工业大学硕士学位论文 ：求和符号 c ：包含于 ：属于 d ( ) ：求方差 v ：梯度算子 f ( ) ；傅立叶正变换 妒( ) ：求相角 r ( ) ：实部 i ( ) ：虚部 n ：特征值中的边缘夹角 e ( ) ：误差函数 w l , j ：权值 w ：权矩阵 b ：激活函数的阈值 b ：阈值向量 叩：学习率 d ：节点误差 0 ：为神经元输入激活值 a ：增量符号 a ：求微分符号 主要符号表 长春工业大学硕士学位论文 原刨性声明 秉承导师严谨的治学作风与优良的科学道德，本人声明所里交的论文是我个人在 导师的指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注 和致谢的地方外，本论文中不包含其他个人或集体已经发表或撰写过的作品成果。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明，并表示了 谢意。 。 本学位论文成果是本人在长春工业大学读书期间在导师的指导下取得的，论文成 果归长春工业大学所有。 本声明的法律结果由本人承担，特此声明。 论文作者签字：白晓亮 2 0 0 7 年1 月 砺国钞 长春工业大学硕士学位论文 第一章绪论 1 1 尿沉渣识别简介及论文背景 尿液分析是目前医院临床检验中常规检测项目之一，它包括尿液的物理检查、化 学分析和尿沉渣分析。其中尿沉渣分析是对尿液有形成分的检查和识别，包括尿液中 的红细胞、白细胞、草酸钙结晶、管型、脂肪球、细菌等各种有形成分，通过分析它 们在尿液中的含量能辅助对泌尿系统疾病做出诊断、定位、鉴别诊断及预后判断，它 对肾脏疾病、泌尿道疾病、循环系统疾病以及感染性疾病的诊断治疗具有十分重要的 作用1 。 尿液的显微镜检验简称尿沉渣镜检，是临床检验工作中比较重要的一项，也是当 前医生判断泌尿系统疾病的重要手段之一。尿沉渣镜检中的尿沉渣计数检查是尿液中 有机有形沉淀物的计数，计数一定时间内尿液中各种有机有形成分的数量，借以了解 一些疾病情况”1 。日前在尿沉渣计数检查方面，国内除少部分大医院外大部分医院仍 处于人工识别阶段。随着现代计算机技术的发展及渗透，计算机技术己成为医学研究 领域中必不可少的得力工具，完全可以利用数字图像处理技术模式识别技术与人类的 经验结合起来，实现医学细胞形态的定量分析。这也是医学诊断系统的发展方向。由 此引出本论文“尿沉渣细胞识别的研究”。 1 2 尿沉渣识别的现状 1 2 1 国内外发展情况 1 9 9 0 年日本东亚医疗电子有限公司( t o am e d i c a le l e c t r o n i c sc o ，l t d ) 与美国 国际遥控影像系统有公司合作，对原有的尿沉渣分析仪进行改进，生产出影像流式细 胞式的u a 一1 0 0 0 型和u a 一2 0 0 0 型尿沉渣自动分析仪。由于此类尿沉渣自动仪对图像粒 子测绘不十分满意，处理能力低，重复性不好，管型分辩不清，价格较昂贵等原因， 故没能普及。 1 9 9 8 年前后美国d i a s y s 公司生产了一种尿沉渣显微镜检查的自动进样装置，它主 要由r s 1 0 0 0 主机、清洗箱、自动吸样器、用于光学显微镜观察的涂片收集器等组成， 当时只起到了把尿沉渣标本自动吸取到显微镜下的流动计数池进行定量的作用。 2 0 0 0 年前后北京国联在线医疗技术有限公司在公司原有真彩色显微图像分析系统 的基础上，以传统的尿沉渣手工染色镜检方法为原理开发、生产出了自动染色尿沉渣 分析仪( u d ) ，实现了尿沉渣检验过程中的自动吸样、准确定量、自动染色等功能，它 配合计算机的图像处理功能，可以综合干化学分析仪的分析数据，可以得出客观、全 长春工业大学硕士学位论文 面、正确的尿沉渣分析结果，最终打印输出真彩色的尿常规图文报告单。同时，美国 的d i a s y s 公司也随之升级他们的自动进样装置为r $ 2 0 0 3 把计算机图像处理功能增加 进去，称为尿沉渣定量分析工作站。 1 2 2 尿沉渣研究的其他方法及局限性 现代化的尿分析仪对尿红、白细胞和细菌的检测是靠化学试验间接( 推测或计算) 求得的，特异性都不太强。临床应用最普遍的尿干化学试纸条也不能检测出管型、上 皮细胞、滴虫、精子、结晶等。当这些仪器检测出的结果有疑问时要获得临床最终的 确定性结论还要进行显微镜检查。也说是说：不管多么先进的尿分析仪，都不能完全 取代尿沉渣的显微镜检查，只能起到初筛的作用。 而传统手工显微镜检法进行尿沉渣检查，不仅工作强度大、易污染环境，人为误 差率较高，也不宜于室间质控和标准化，定量检测更无从谈起。尤其是不染色镜检尿 有形成分，易发生误认、漏检现象，检出率维持较低水平，加之由于每个医院，每个 操作者个体上的差异，即使对同一份标本在不同检验时可能会出现不同的结果，而降 低了此项检查的临床意义。 1 3 模式识别简介 “模式”是对人们生活的客观世界的总称。人们生活在客观世界中，为了改造客 观世界，首先必须认识它，这就是对模式的识别”1 。人通过感觉器官从外界获取信息， 而后通过思维建立对客观世界的真正认识：通过视觉通道获取如色彩、形状、空间等各 种形式的图像信息：通过听觉通道取得各种声音信息：通过触觉传感通道取得如温度、 材料强度、表面光洁度等信息。最后将各种信息进行综合思维和判断，以做出决策。 模式识别技术是用计算机来模拟人的各种识别能力。当前主要是对视觉能力和听 觉能力的模拟。模拟人的视觉能力就是用计算机来做图像的识别和理解工作，而模拟 人的听觉能力则与计算机辅助识别等技术密切相关。 模式识别技术作为一种分类判别的理论在6 0 年代开始了它孕育成长的过程，与此 同时，人们不断地在探索和开拓它的应用领域。近几年来，模式识别技术在以下领域 已得到或开始得到卓有成效的应用：语言识别、文字识别、语言合成、目标识别与分类 图像分析与识别等，具体讲，包括声音( 或语言) 的识别与理解、字符及文字的识别与 理解、景物分析与识别( 包括背景中目标特征提取与识别) 、医学信号与图像的识别与 处理、遥感图像分析与识别、指纹识别、各种数据的特征识别、目标自动识别与分类、 计算机视觉等。 有两种基本的模式识别方法”。，即统计模式识别方法和结构( 句法) 模式识别， 与此相应的模式识别系统都有两个过程所组成，即设计和实现。设计是指用一定数量 长春工业大学硕士学位论文 的样本( 叫做训练集或学习集) 进行分类器的设计。实现是指用所设计的分类器对待 识别的样本进行分类决策。本论文只讨论统计模式识别相关方法。基于统计方法的模 式识别系统主要由4 个部分组成：数据获取，预处理，特征提取和选择，分类决策， 如图卜1 所示。 学习过程 图1 - 1 模式识别系统的基本构成 1 3 1 模式识别过程 ( 1 ) 信息获取 为了使计算机能对各种现象进行分类识别，必须将所研究的对象用计算机所能接 受的形式表示，通常输入对象的信息包括： 二维图像，如文字、指纹、地图、图片等： 一维波形，如脑电图、心电图、机械振动波形等： 物理参量和逻辑值，如体温、各种实验数据等： 通过测量、采样和量化，可以用矩阵或矢量表示二维图像或一维波形，这即是信 息获取过程。 ( 2 ) 预处理 预处理的目的是去除噪声，增强有用的信息，并对相应的退化现象进行复原。为 下一步特征提取作了充分的准备及奠定了基础。 ( 3 ) 特征提取与选择 所谓特征提取就是对模式的某些物理性质进行数学描述。具体讲就是对原始数据 进行变换，得到最能反映模式分类的本质特征。一般我们把原始数据构成的空间叫测 量空间，把分类识别赖以进行的空间叫特征空间。通过变换可以把维数较高的测量空 间中表示的模式变为维数较低的特征空间中表示的模式。特征选择的目的是选取对完 成特征判决要求来说最可能达到的目的特征集所谓最可能达到目的的特征集，对不同 类型的模式来说，应明显地表示出它门间隔的“距离”、对同类模式来说，应明显地表 示出它们的“团聚”。特征选择环节决定了实现阶段中应该提取的特征集，于是特征提 取环节按此要求对模式提取特征。特征选择和提取是模式识别的关键问题，当己知某 长春工业大学硕士学位论文 一个特征集可以区分模式时，实际上模式识别任务己接近解决。事实上特征选择和提 取也是模式识别问题，因为特征本身就是一种模式，因此模式分类的理论在这阶段也 是有用的。 ( 4 ) 学习 学习是在建立识别系统时，对已选定的特征完成特征提取之后，对分类器进行训 练的过程，学习可分为以下两种方式： 有监督学习：在这种学习过程中，样本先由人进行分类，即样本的类别是已知的： 无监督学习：此时学习环节必须对样本的类别进行研究，即学习环节对样本集有 个聚类的过程。 ( 5 ) 特征判决 特征判决是在分类器掌握分类规律或学习后，在实现阶段对连续输入的大量模式 进行分类。 1 3 2 模式识别方法中的神经网络分类器设计 人工神经网络简称神经网络，是基于目前人们对自然神经系统的认识，提出的一 些神经系统的模型。一般是由一系列具有某种简单计算功能的结点( 神经元) 经过广泛 的互相连接，构成一定的网络结构，而其网络连接的权值则根据某种学习规则在外界 输入的作用下不断调节，最后使网络具有某种期望的输出特性。神经网络的这种可以 根据输入样本学习的功能使得它非常适合于用来解决模式识别问题，这也是神经网络 目前成为最成功的应用领域之一。 神经网络模式识别的基本作法一般是，首先用已知样本训练神经网络，使之对不 同类别的已知样本给出所希望的不同的输出，然后用此网络来识别未知样本，根据各 样本所对应的网络输出情况来划分未知样本类别，具体神经网络模式识别方法也多种 多样。 1 4 本论文研究的内容及意义 1 4 1 论文研究的内容及重点 本文主要研究尿沉渣中的红细胞，白细胞和草酸钙结晶这三类细胞的识别。在理 论分析的基础上，应用图像的二值化，边缘提取，分割等图像处理的基础理论知识进 行一系列的对尿沉渣细胞图像进行处理，然后应用现代模式识别理论对其进行特征提 取，分类器设计，其中分类器的设计引用人工神经网络来实现，通过不断的对人工神 经网络分类的进行训练，最后使得实际输出值不断的接近理论值。同时应用v c + + 6 0 开发出图像处理和人工神经网络分类器训练及识别平台，应用c + + 语言编程进行仿真实 长春工业大学硕士学位论文 验，完成了算法的实现及理论的验证。基本思路如图1 - 2 所示。 图像的预处理， 细胞图像的分割 尿沉渣中的细胞 图像 图像特征提取 教师信号 ( 已知类别) 图1 - 2 尿沉渣细胞识别的基本思路 人工神经网络分 类器 神经网络分类器 学习 识别，分类 结束 本文拟解决的关键问题及难点是细胞识别准确率的问题，不仅要识别出红细胞， 白细胞，草酸钙结晶这几大类别，而且要识别出每一类别的具体数量，各种细胞的误 识别，多识别，少识别都会不同程度的带来医疗危害，所以本文力争在现有技术的基 础上，通过细胞图像的分析，寻找更多更有效的特征，及改进分类器的设计等不断地 改进识别算法来提高识别准确率，提高在医疗中应用的可靠性。 1 4 2 论文研究的意义 随着电子计算机软硬件的高速发展，以及计算机数字图像处理技术的不断更新，把 计算机图像处理技术引入医疗系统上来具有很高的应用价值和现实意义。由于图像模 式识别技术是一门新兴学科，在国内外，关于尿沉渣细胞图像应用现代化计算机进行 识别的研究都很少。本文的主要研究内容正是针对这一问题利用图像处理技术、模式 识别技术对尿沉渣细胞进行识别分类。通过对尿沉渣细胞图像进行分析处理，有效地 识别尿沉渣中红细胞，白细胞，草酸钙等各种有形成分的数量，不仅减轻了人的工作 负担，而且能够为医生对病人的确诊时提供很有效的依据，具有较高的学术价值和实 际应用价值。 长春工业大学硕士学位论文 第二章尿沉渣细胞图像提取 2 1 尿沉渣细胞图像介绍 尿沉渣细胞即尿沉渣中可能含有的有形成分包括红细胞、白细胞、草酸钙等元素， 本文中统称它们为细胞，这些细胞的图像即称为尿沉渣细胞图像。这些图像来源于显 微镜下经专门的拍摄技术拍摄到的尿液滴样图片，如图2 - 1 所示 图2 - 1 整张的尿沉渣图像 该图为具有2 5 6 灰度极的灰度图像，在计算机中存储格式为8 0 0 * 6 0 0 象素的b m p 图像。从若干张这样的图片中可提取红细胞，白细胞，草酸钙结晶等识别目标图像， 分别如图2 2 ，图2 3 ，图2 - 4 所示。这些图像即是本文研究的目标。 图2 2 红细胞 长春工业大学硕士学位论文 2 2 图像处理必备基础知识 2 2 1b 肝位图介绍 图2 - 3 白细胞 图2 - 4 草酸钙结晶 由于本论文的大部分算法和识别理论都是在计算机上利用v c + + 6 0 编程来实现的， 反复读写、处理、变换的图像都是w i n d o w s 中的b m p 位图格式，所以了解b m p 位图的 知识是不可或缺的。b m p 文件大体上分成四个部分6 m 1 ，如图2 - 5 所示。 。一。” 位图文件头瑚硼江a p f i u 珊e a d b r 位图信息头b r r m a p i n f o i a d e r 调色板p a l e t t e 实际的位图数据i n m g e d a t e 图2 - 5w i n d o w s 中b 肝位图文件结构示意图 ( 1 ) 第一部分为位图文件头b i t m a p f i l e h e a d e r ，是一个结构，其定义如下： t y p e d e fs t r u c tt a g b i t r a p f i l e h e a d e r w o r d b f t y p e ： d w o r db f s i z e ： w o r d b f r e s e r v e d l ： w o r d b f r e s e r v e d 2 ： d w o r db f o f f b i t s ： ) b i t m a p f i l e h e a d e r ； 这个结构的长度是固定的，为1 4 个字节( w o r d 为无符号1 6 位整数，d w o r d 为无符号3 2 位整数) ，各个域的说明如下： b f t y p e ：指定文件类型，必须是o x 4 2 4 d ，即字符串“酬”，也就是说所有b m p 文件的 头两个字节都是“阴”。 长春工业大学硕士学位论文 b f s i z e ：指定文件大小，包括这1 4 个字节。 b f r e s e r v e d l ，b f r e s e r v e d 2：为保留字 b f o f f b i t s ：为从文件头到实际的位图数据的偏移字节数，即图1 3 中前三个部分的长 度之和。 ( 2 ) 第二部分为位图信息头b i t m a p i n f o h e a d e r ，也是一个结构，其定义如下： t y p e d e fs t r u c tt a g b i t m a p i n f o h e a d e r d w o n db i s i z e ： l o n g b i w i d t h ： ， l o n g b i h e i g h t ： w o 妯b i p l a n e s ： w o r db i b i t c o u n t ， d w o r db i c o m p r e s s i o n ： d w o r d b i s i z e i m a g e ： l o n g b i x p e l s p e r m e t e r ： l o n gb i y p e l s p e r m e t e r ： d w o r db i c l r u s e d ： d w o r db i c l r i m p o r t a n t ： ) b 1 1 姒p i n f o h e a d e r ： 这个结构的长度是固定的，为4 0 个字节( l o n g 为3 2 位整数) ，各个域的说明如下： b i s i z e ：指定这个结构的长度，为4 0 。 b i w i d t h ：指定图像的宽度，单位是象素。 b i h e i g h t ：指定图像的高度，单位是象素。 b i p l a n e s ：必须是1 。 b i b i t c o u n t ：指定表示颜色时要用到的位数，常用的值为1 ( 黑白二色图) ，4 ( 1 6 色图) ， 8 ( 2 5 6 色) ，2 4 ( 真彩色图) 。 b i c o m p r e s s i o n ：指定位图是否压缩。 b i s i z e l m a g e ：指定实际的位图数据占用的字节数，其实也可以从以下的公式中计算出 来： b i s i z e i m a g e = b i w i d t h b i h e i g h t 要注意的是：上述公式中的b i w i d t h 必须是4 的整倍数( 所以不是b i w i d t h ，而是 b i w i d t h ，表示大于或等于b i w i d t h 的，最接近4 的整倍数。举个例子，如果 b i w i d t h = 2 4 0 ，则b i w i d t h = 2 4 0 ；如果b i w i d t h = 2 4 1 ，b i w i d t h = 2 4 4 ) 。 如果b i c o m p r e s s i o n 为b i - r g b ，则该项可能为零 b i x p e l s p e r m e t e r ：指定目标设备的水平分辨率，单位是每米的象素个数。 b i y p e l s p e r m e t e r ：指定目标设备的垂直分辨率，单位同上。 长春工业大学硕士学位论文 b i c l r u s e d ：指定本图像实际用到的颜色数，如果该值为零，则用到的颜色数为2 h 啦c o m 。 b i c l r l m p o r t a n t ：指定本图像中重要的颜色数，如果该值为零，则认为所有的颜色都 是重要的。 ( 2 ) 第三部分为调色板p a l e t t e ，当然，这里是对那些需要调色板的位图文件而 言的。有些位图，如真彩色图，是不需要调色板的，b i t m a p i n f o h 队d e r 后直接是位图 数据。 ( 3 ) 第四部分就是实际的图像数据了。对于用到调色板的位图，图像数据就是该 象素颜色在调色板中的索引值。对于真彩色图，图像数据就是实际的r 、g 、b 值。下 面针对2 色、1 6 色、2 5 6 色位图和真彩色位图分别介绍。对于2 色位图，用1 位就可 以表示该象素的颜色( 一般0 表示黑，1 表示白) ，所以一个字节可以表示8 个象素。对 于1 6 色位图，用4 位可以表示一个象素的颜色，所以一个字节可以表示2 个象素。对 于2 5 6 色位图，一个字节刚好可以表示1 个象素。对于真彩色图，三个字节才能表示1 个象素。要注意两点： ( 1 ) 每一行的字节数必须是4 的整倍数，如果不是，则需要补齐。这在前面介绍 b i s i z e i m a g e 时已经提到了。 ( 2 ) 一般来说，b m p 文件的数据从下到上，从左到右的。也就是说，从文件中最先 读到的是图像最下面一行的左边第一个象素，然后是左边第二个象素接下来是倒 数第二行左边第一个象素，左边第二个象素依次类推，最后得到的是最上面一行 的最右一个象素。 2 2 2 图像基本的几何变换 ( 1 ) 平移 平移( t r a n s l a t i o n ) 变换是几何变换中最简单的一种，如图2 6 所示，初始坐标 为( x 。，y 。) 的点经过平移( t t ) ( 以向右，向下为正方向) 后，坐标变为( x 。y 。) 。这两点 之间的关系是x = x o + t 。，y 。= y 。+ b 。 图2 6平移的示意图 长春工业大学硕士学位论文 以矩阵的形式表示为 km ，i c 而朋，仁三习 ( 2 1 ) 故整幅图像上所有点均按此变换及平移，就得到整幅图像的平移变换。 ( 2 ) 旋转 旋转( r o t a t i o n ) 有一个绕着什么转的问题，通常的做法是以图像的中心为圆心旋 转，举个例子，图2 - 7 旋转3 0 度( 顺时针方向) 后如图2 - 8 所示： 图2 - 7旋转前的图 图2 - 8旋转后的图 可以看出，旋转后图像变大了。另一种做法是不让图像变大，转出的部分被裁剪 掉。 如图2 - 9 所示。我们采用第一种做法，首先给出变换矩阵。在我们熟悉的坐标系 中，将一个点顺时针旋转a 角后的坐标变换公式，如图2 - 1 0 所示，r 为该点到原点的 距离，在旋转过程中，r 保持不变；b 为r 与x 轴之间的夹角。 o 、 么一1 ：_ 图2 _ 9 旋转后保持原图大 图2 - 1 0旋转示意图 小，转出的部分被裁掉 长春工业大学硕士学位论文 旋转前：x o - - r c o s b ；y o = r s i n b 旋转a 角度后： x l = r c o s ( b - a ) = r c o s b c o s a + r s i n b s i n a = x o c o s a + y o s i n a ； y l = r s i n ( b - a ) = r s i n b c o s a - r c o s b s i n a = 一】( o s i n a + y o c o s a = 以矩阵的形式表示： 【而乃1 - k2 0 一血4 0 1 c 。9 4 o l o 1 l j ( 2 2 ) 上面的公式中，坐标系x o y 是以图像的中心为原点，向右为x 轴正方向，向上为y 轴正方向。它和以图像左上角点为原点0 ，向右为x 轴正方向，向下为y 轴正方 向的坐标系x 0 y 之间的转换关系如何呢? 如图2 1 1 所示。 图2 i i两种坐标系问的转换关系 设图像的宽为w ，高为h ，容易得到： ky1 。【z 一 o 0 1 1 0 l o 锄1l j h 小h ，卜，司 4 4钾- g 0 n b 。渤 ，j1 长春工业大学硕士学位论文 这一点我们在介绍旋转时就提到了。我们采用的做法是找与之最临近的点。实际上， 更精确的做法是采用插值( i n t e r p 0 1 a t i o n ) ，即利用邻域的象素来估计新的象素值。其 实我们前面的做法也是一种插值，称为最邻近插值( n e a r e s tn e i g h b o u r i n t e r p o l a t i o n ) 。下面先介绍线形插值( l i n e a ri n t e r p o l a t i o n ) 。 线形插值使用原图中两个值来构造所求坐标处的值。举一个一维的例子。如图2 - 1 2 所 示，如果已经知道了两点x o ，x ：处的函数值f ( 曲，f ( x 。) ，现在要求x 。处的函数值f ( x 。) 。 我们假设函数是线形的，利用几何知识可以知道 ，k ) 一 ( 2 - 5 ) 在图像处理中需要将线形插值扩展到二维的情况，即采用双线形插值( b i l i n e a r i n t r e p o l a t i o n ) ，图2 1 3 为双线形插值的示意图。 图2 1 2线形插值的示意图图2 1 3双线形插值的示意图 已知a 、b 、e 、d 四点的灰度，要求e 点的灰度，可以先在水平方向上由a ，b 线形插 值求出g 、c 、d 线形插值求出f ，然后在垂直方向上由g ，f 线形插值求出e 。 线形插值基于这样的假设：原图的灰度在两个象素之间是线形变化的。一般情况下， 这种插值的效果还不错。更精确的方法是采用曲线插值( c u r v i l i n e a ri n t e r p o l a t i o n ) ， 即认为象素之间的灰度变化规律符合某种曲线，但这种处理的计算量是很大的。 2 2 3 图像的平滑或滤波 图像平滑( 也称滤波) 是图像增强的主要内容之一，其主要目的在于消除各种干扰 和噪音，这些噪音可能是在图像采集、量化等过程中产生的，也可能是图像传送过程 中产生的。其表现是图像信息被干扰噪声污损，这类噪音具有离散性和随机性的特点。 长春工业大学硕士学位论文 通常把消除这类噪音的处理方法称为图像的平滑。图像平滑的困难在于尽量避免降低 图像的清晰度，不使图像的边缘进一步模糊。最常用的空间域平滑法有邻域平均法和 中值滤波法，其中邻域平均法虽然对噪声的抑制能力较强，但会使图像的边缘产生严 重的模糊，给边缘的检测带来困难：中值滤波也会使图像边缘产生一定程度的模糊。这 里介绍一种修正的自适应邻域平均法”“，它不但能够有效的平滑噪声，同时也能够锐 化模