医学图像处理实验报告

1、医学图像处理试验报告班级专业姓名学号试验名称：图像增强一、试验目的1：懂得并把握常用的图像的增强技术；2：熟识并把握 MA TLAB 图像处理工具箱的使用；3：实践几种常用数字图像增强的方法,增强自主动手才能；二、试验任务对于每张图像 共三张图片 ,实现 3 种图像增强方法；依据图像的特点,分别选用不用的图 像增强算法；三、试验内容（设计思路）1、artery_vessel 1直方图均衡化直方图是图像的最基本的统计特点,它反映的是图像的灰度值的分布情形；直方图均衡化的目的是使图像在整个灰度值动态变化范畴内的分布匀称化,改善图像的亮度分布状态,增强图像的视觉成效；灰度直方图是图像预处理中涉及最广

2、泛的基本概念之一；图像的直方图事实上就是图像的亮度分布的概率密度函数,是一幅图像的全部象素集合 的最基本的统计规律；直方图反映了图像的明暗分布规律,可以通过图像变换进行直方图调 整,获得较好的视觉成效；直方图均衡化是指：采纳累积分布函数（CDF）变化生成一幅图像,该图像的灰度级较为均衡化,且掩盖了整个范畴 0,1,均衡化处理的结果是一幅扩展了动态范畴的图像；直方图均衡化就是通过灰度变换将一幅图像转换为另一幅具有均衡直方图,即在每个灰度级上都具有相同的象素点数的过程；主要用途是： 将一幅灰度分布集中在较窄区间,细节不够清晰的图像, 修正后使图像的灰度间距增大或灰度分布匀称,令图像的细节清楚,达到

3、图像增强的目的；2中值滤波加直方图均衡化中值滤波法是一种非线性平滑技术,的全部像素点灰度值的中值；它将每一像素点的灰度值设置为该点某邻域窗口内中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让四周的像素值接近的真实值,从而排除孤立的噪声点；方法是用某种结构的二维滑动模板,将板内像素依据像素值的大小进行排序,生成单调上升（或下降）的为二维数据序列；二维中值滤波输出为 g（x,y ）=medfx-k,y-l,k,lW ,其中, fx,y ,gx,y 分别为原始图像和处理后图像； W 为二维模板

4、,通常为 形,十字形,圆环形等；3直方图均衡化加维纳滤波3*3 ,5*5 区域,也可以是不同的的外形,如线状,圆维纳滤波也称为最小均方误差滤波器,或最小二乘方误差滤波器；它是建立在人为图像和噪声是随机过程的基础上,而目标是找一个未污染图像 f 的估量值 .f ,使它们之间的均方误差最小；误差度量由下式给出：e2Eff . 2其中, E . 是参数的期望值；这里假设噪声和图像不相关,其中一个或另一个有零均值,且估量中的灰度级是退化图像中灰度级的线性函数；率域中由如下表达式给出：基于这些条件, 误差函数的最小值在频. , 式中,S u v , SfH*u v S f , , G u v , H u

5、 v , 2H*u v , Sf , G u v , , u v H u v , 2SS u v , 1H u v , 2H u v , 2Sf , G u v , S , H u v , H u v 为退化函数,H*u v 为其复共轭,H u v , 2H*u v H u v , N u v , 2为噪声的功率谱,Sf , F u v , 2为未退化图像的功率谱；2、Brain_CT 1 均衡化加巴特沃斯低通滤波截止频率位于距原点PD 处的 n 阶巴特沃斯低通滤波器的传递函数定义为：0其中,D u v , uH u v , 11D 02nD u v , 22vQ221 2巴特沃斯低通滤波器传

6、递函数并没有在通过频率和滤除频率之间给出明显截止的尖锐的不连续性；对于具有平滑传递函数的滤波器,可在这样一点上定义截止频率,即使得 H（u,v）下降为其最大值的某个百分比的点,在上式中,截止频率点是当 D u v , D 的点（即 H（u, v）从其最大值 1 下降为 50%）；2 空域线性平滑滤波平滑线性空间滤波器的输出（响应）是包含在滤波器模版邻域内的像素的简洁平均值,这些滤波器也称为 均值滤波器； 它使用滤波器模版确定的邻域内像素的平均灰度值代替图像中每个像素的值,这种处理的结果降低了图像灰度的“ 尖锐”变化； 即对待处理的当前像素点（ x,y）,挑选一个模板,该模板由其近邻的如干像素组

7、成,求模板中全部像素的均值,再把该均值给予当前像素点（x, y）,作为处理后图像在该点上的灰度值g（ x, y）,即g x y1imfi , ,m 为该模板中包含当前像素在内的像素总个数；m13高斯滤波D 2 , 2 2高斯滤波器的二维形式为：H u v , e, D（u,v）是距频率矩形中心的距离；是关于中心的扩展度的度量；通过令 D ,该滤波器可表示为：0H u v , e D 2 , 2 D 02其中,D 是截止频率；当 D u v , D 时, H 下降到其最大值的 0.607 处；3、BreastCancer_a 1同态滤波同态滤波是把频率过滤和灰度变换结合起来的一种图像处理方法,它

8、依靠图像的照度 /反射率模型作为频域处理的基础,利用压缩亮度范畴和增强对比度来改善图像的质量；使用这种方法可以使图像处理符合人眼对于亮度响应的非线性特性,叶变换处理的失真；防止了直接对图像进行傅立同态滤波的基本原理是：将像元灰度值看作是照度和反射率两个组份的产物；由于照度相对变化很小, 可以看作是图像的低频成份,而反射率就是高频成份；通过分别处理照度和反射率对像元灰度值的影响,达到揭示阴影区细节特点的目的；同态滤波处理的基本流程如下：fx,y-Log-DFT-频域滤波 -IDFT-Exp-gx,y 其中 fx,y 表示原始图像；gx,y 表示处理后的图像；Log 代表对数运算；DFT 代表傅立

9、叶变换（实际操作中运用快速傅立叶变换FFT）；IDFT 代表傅立叶逆变换（实际操作中运用快速傅立叶逆变换 IFFT ）；Exp 代表指数运算；2 四八领域均值滤波均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其四周的接近像素（以目标象素为中心的四周 8 个像素, 构成一个滤波模板,即去掉目标像素本身）,再用模板中的全体像素的平均值来代替原先像素值；3巴特沃斯高通滤波截止频率为D 的 n 阶巴特沃斯高通滤波器定义为：1H u v , 1D 0D u v , 2n式中,D u v , uP22vQ221 2；与巴特沃斯低通滤波器一样,高通滤波器更平滑；四、试验步骤1

10、、artery_vessel 1直方图均衡化 a、打开运算机, 启动 MA TLAB 程序； 程序组中 “ work ” 文件夹中应有待处理的图像文件；b、调入“ 试验一” 中猎取的数字图像,并进行运算机均衡化处理；c、显示原图像和经过均衡化处理过的图像；d、记录和整理试验报告；2中值滤波加直方图均衡化 a、将模板在图中漫游,并将模板中心与图中某个像素位置重合；b、读取模板下各对应像素的灰度值；c、将这些灰度值从小到大排成 1 列；d、找出这些值中排在中间的 1 个；e、将这个中间值赋给对应模板中心位置的像素；f、中值滤波之后的像素值进行直方图均衡化处理；g、显示原图像和处理后的图像,h、记录

11、和整理试验报告；3直方图均衡化加维纳滤波 a、读取图像；b、对数字图像进行直方图均衡化处理；c、挑选滤波器窗口为 5*5 ,对均衡化后的图像进行二维自适应维纳滤波；d、对滤波之后的图像进行灰度变换；e、显示原图像和处理后的图像；2、Brain_CT 1 均衡化加巴特沃斯低通滤波 a、读取图像；b、对数字图像进行直方图均衡化处理；c、将图像矩阵转换成double 型,对数字图像进行二维傅里叶变换并进行fftshift 调整；d、设计二阶巴特沃斯低通滤波器；e、频域滤波后,进行傅里叶反变换转换到空域；f、将数据转换成 uint8 型,并显示原图像和处理后的图像；2 空域线性平滑滤波a、读入图像；b

12、、对数字图像进行直方图均衡化处理；c、利用预定义函数 fspecial 命令产生平均 average滤波器 d、分别对其进行 10*10 、5*5 、2*2 的均值滤波；e、显示原图像和选用不同大小模版处理后的图像；3高斯滤波a、读入图像；b、对数字图像进行直方图均衡化处理；c、挑选高斯滤波参数（标准差）sigma 为 1.6；d、挑选滤波器尺寸为 5*5 ；e、创建高斯滤波器进行滤波；f、显示原图像和处理后的图像；3、BreastCancer_a 1同态滤波a、读入图像；b、对数字图像进行直方图均衡化处理；c、转换图像矩阵为双精度型；d、取对数；e、对其做傅里叶变换；f、挑选参数,截止频率为

13、10,锐化系数为2,L=1.5,H=2.0；g、进行高斯同态滤波；h、滤波之后进行傅里叶逆变换；i、显示原图像和处理后的图像；2 四八领域均值滤波a、读入图像；b、转换图像矩阵为双精度型；c、创建 4邻域平均滤波模版 0 1 0; 1 0 1; 0 1 0 ；创建 8 邻域平均滤波模版 1 1 1; 1 0 1; 1 1 1; d、进行滤波；e、显示原图像和处理后图像；3巴特沃斯高通滤波a、读取图像；b、对数字图像进行直方图均衡化处理；c、将图像矩阵转换成double 型,对数字图像进行二维傅里叶变换并进行fftshift 调整；d、设计十阶巴特沃斯低通滤波器；e、频域滤波后,进行傅里叶反变换

14、转换到空域；f、将数据转换成 uint8 型,并显示原图像和处理后的图像；五、试验结果和分析1、artery_vessel 1直方图均衡化 试验结果：由图得：直方图均衡化后,图像对比度增强,血管更加清楚；2中值滤波加直方图均衡化 试验结果：由图得： 3*3 中值滤波成效不明显,5*5 和 7*7 滤波之后对比度增加,但是上方亮区过亮,是的上方血管辨论不清,同时中值滤波之后,细节（即图中较细的血管）变得难以辨论；3直方图均衡化加维纳滤波 试验结果：由图得：经过均衡化维纳滤波之后,图像的对比度增强,但上方亮区极度增强,几乎已经难以辨论该区域血管的存在,但细节观看由于中值滤波；综上：单纯的直方图均衡

15、化能够对该血管图更好的增加对比度且对于细节的展现得以增强,同时对于上方亮区的血管的辨论影响不大；说明该图中,不存在太多噪声干扰,仅 均衡化增加其对比度即有明显成效；2、Brain_CT 1 均衡化加巴特沃斯低通滤波 试验结果：由图得：巴特沃斯低通滤波处理后与清楚的原图像相比,变得更平滑、更柔和；2 空域线性平滑滤波 试验结果：由图得： 空域线性平滑滤波会模糊一副图像,能使得较小物体的灰度与背景混合起来,较大物体变得像“ 斑点” 易于检测；同时,模版尺寸3高斯滤波试验结果：m 越大,模糊成效越明显；由图得：高斯低通滤波后,图像同样变得模糊,较大物体得以更好表现；综上： 低通滤波后, 能使得图像模

16、糊,看上去更平滑、 更柔和, 较小物体得以与背景融合,较大物体更易于检查；3、BreastCancer_a 1同态滤波试验结果：由图得：直方图均衡化后,对比度明显增加；同态滤波后,图像中暗区更暗,使得肿瘤更为清楚,可以见到更多的细节；2 四八领域均值滤波试验结果：由图得：邻域均值滤波后,图像变模糊,细节不易观看；3巴特沃斯高通滤波试验结果：由图得：巴特沃斯高通滤波后,图像失去了它的灰度色调,由于直流项已被减小为 0；结果是原图像中暗色调为主流被亮色调为主流所代替,清楚；同时, 由于高频的保留, 肿瘤的边缘更加综上：对于该肿瘤图像,挑选高通滤波器较好,同态滤波能看到更多细节,而巴特沃斯高通滤波使

17、得图像变亮且边界更明显；六、试验心得通过这次对数字图像处理之数字图像的增强的实践,让我们这些原来对 matlab 不太懂的人学会了用 matlab 对图像进行初步的处理,这是一个很大的进步；在实践中我们这个小团队遇到了许多的困难,一开头拿到这个题目真的很崩溃,不知道从何下手,但是通过上网找相关的资料, 问老师、 同学明白了数字图像增强是干什么,知道了数字图像的目的在于改善图像的显示质量, 以利于信息的提取与识别；从方法上说, 就是设法摒弃一些认为不必要或干扰的信息, 而将所需要的信息得以突现出来,以利于分析判读或进一步处理；与此同时,我们也明白到了适用于数字图像增强的方法：空间域增强、频率域增强； 答题方法有：对比度增强、 线性变换、 直方图增强、 幂次变换、 线性对比度、 对数对比度、 线性滤波、 中值滤波、自适应滤波、同态滤波等等；因此,知道了这些方法