B超圖像處理設(shè)計(jì)說明書解析

1、 燕山大學(xué)課 程 設(shè) 計(jì) 說 明 書題目： B超圖像識(shí)別技術(shù)研究 學(xué)院（系）： 電氣工程學(xué)院 年級(jí)專業(yè)： 09醫(yī)療儀器 學(xué) 號(hào)： 學(xué)生姓名： 指導(dǎo)教師： 孟輝 趙勇 教師職稱： 講師 講師 燕山大學(xué)課程設(shè)計(jì)（論文）任務(wù)書院（系）：電氣工程學(xué)院 基層教學(xué)單位：電氣工程系 學(xué) 號(hào)學(xué)生姓名專業(yè)（班級(jí)）醫(yī)療儀器與康復(fù)工程1班設(shè)計(jì)題目基于MATLAB的B超圖像處理技術(shù)研究設(shè)計(jì)參數(shù)中直濾波：k1=medfilt2(I2);自適應(yīng)濾波k2=wiener2(I2,5,5)小波降噪法k3 = wdencmp(gbl,I2,sym4,2,thr,sorh,keepapp)全局門限值 subplot(2,2,3);

2、 二值化分割閾值：level=graythresh(I2)設(shè)計(jì)要求熟悉MATLAB軟件；掌握B超圖像的圖像灰度化、截圖、值值濾波、自適應(yīng)濾波、小波降噪法等程序編寫工作量學(xué)習(xí)概念基本知識(shí)；編寫相應(yīng)軟件；完成課程設(shè)計(jì)報(bào)告一份。工作計(jì)劃1天 ：查資料，確定題目； 2天： 編寫任務(wù)書及審定；3天 :編寫及調(diào)試程序;4天: 編寫說明書；5天 答辯。參考資料阮秋琦.數(shù)字圖像處理學(xué)M.北京：電子工業(yè)出版社，2001.苗鳳君. B超圖像數(shù)據(jù)采集及其計(jì)算機(jī)圖像處理技術(shù). 中原工學(xué)院學(xué)報(bào),2002,12朱曉榮. 數(shù)字圖像處理及其應(yīng)用研究D. 河海大學(xué)，2001年指導(dǎo)教師簽字孟輝 趙勇基層教學(xué)單位主任簽字徐永紅說明

3、：此表一式四份，學(xué)生、指導(dǎo)教師、基層教學(xué)單位、系部各一份目錄1 課題背景11.1 B 超圖像識(shí)別技術(shù)研究意義11.2 圖像識(shí)別技術(shù)研究現(xiàn)狀22 B 超圖像處理步驟及基本原理22.1 圖像灰度化處理22.2 截圖52.3 圖像去噪62.4 圖像二值化處理92.5 圖像增強(qiáng)113 總結(jié)14參考文獻(xiàn)14摘要：數(shù)字圖像處理的研究目的是將原圖像的灰度分布作某種變換，使圖像中的某部 分信息更加突出，以便其適應(yīng)于某種特殊的需求。本文針對(duì)B超圖像的識(shí)別技術(shù)作簡(jiǎn)要闡述，并對(duì)圖像處理的各部分用MATLAB 軟件進(jìn)行編程運(yùn)行，給出各部分處理后圖像。 關(guān)鍵詞：B超圖像；圖像識(shí)別技術(shù)；圖像預(yù)處理 1 課題背景 1.1

4、B 超圖像識(shí)別技術(shù)研究意義 數(shù)字圖像處理（Digital Image Processing）又稱為計(jì)算機(jī)圖像處理，它是指將 圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過程。在數(shù)字圖像處理過 程中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像。數(shù)字圖像處理技術(shù) 研究?jī)?nèi)容很多，主要包括以下幾個(gè)方面：圖像變換、圖像編碼壓縮、圖像增強(qiáng)和 復(fù)原、圖像分割、圖像描述圖像識(shí)別等。數(shù)字圖像處理具有再現(xiàn)性好、處理精度 高、適用面廣、靈活性高、成本低等優(yōu)點(diǎn)。在圖像研究領(lǐng)域中圖像特征的研究是 一重要的研究方向。人們觀察圖像時(shí)主要通過觀察圖像紋理、亮度、幾何等關(guān)鍵 特征，從而來識(shí)別理解圖像。實(shí)際上通過圖像特征

5、的提取匹配不僅用于圖像識(shí)別， 還可以用于圖像分割、配準(zhǔn)、拼接等各個(gè)方面。對(duì)圖像特征的研究已經(jīng)取得了很 多研究成果，隨著人們探知世界的深入，對(duì)圖像特征的研究將更加重要。 B 超成像的基本原理就是：向人體發(fā)射一組超聲波，按一定的方向進(jìn)行掃描。 根據(jù)監(jiān)測(cè)其回聲的延遲時(shí)間，強(qiáng)弱就可以判斷臟器的距離及性質(zhì)。經(jīng)過電子電路 和計(jì)算機(jī)的處理，形成了現(xiàn)在的B 超圖像。B 超的關(guān)鍵部件就是超聲探頭（Probe）， 其內(nèi)部有一組超聲換能器，是由一組具有壓電效應(yīng)的特殊晶體制成。這種壓電晶 體具有特殊的性質(zhì)，就是在晶體特定方向上加上電壓，晶體會(huì)發(fā)生形變，反過來 當(dāng)晶體發(fā)生形變時(shí)，對(duì)應(yīng)方向上就會(huì)產(chǎn)生電壓，實(shí)現(xiàn)了電信號(hào)與超

6、聲波的轉(zhuǎn)換。 超聲成像技術(shù)由于其無損傷、非侵入性、重復(fù)性好，且對(duì)軟組織有較高的靈 敏度和分辨率而獲得了廣泛的應(yīng)用，但B 超圖像和C T、X 光及核磁共振等其它 醫(yī)學(xué)圖像相比，具有分辨率差，灰度級(jí)別少，灰度分布范圍窄，有一定噪聲干擾， 各組織和器官之間沒有明顯的灰度變化等不利因素。而近年來，利用工程方法分 析圖像的研究取得了明顯的效果。MATLAB 是一款強(qiáng)大的圖像處理工具，在 MATLAB 環(huán)境中可以方便、快速、有效地實(shí)現(xiàn)復(fù)雜圖像處理算法，既是一種直 觀、高效的計(jì)算機(jī)語言，同時(shí)又是一個(gè)科學(xué)計(jì)算平臺(tái)。它為數(shù)據(jù)分析和數(shù)據(jù)可視 化、算法和應(yīng)用程序開發(fā)提供了最核心的數(shù)學(xué)和高級(jí)圖形工具。根據(jù)它提供的 5

7、00 多個(gè)數(shù)學(xué)和工程函數(shù)，工程技術(shù)人員和科學(xué)工作者可以在它的集成環(huán)境中交 互或編程以完成各自的計(jì)算。 1.2 圖像識(shí)別技術(shù)研究現(xiàn)狀 圖像處理作為一門學(xué)科大約形成于20 世紀(jì)60 年代初期。早期的圖像處理的 目的是改善圖像的質(zhì)量,它以人為對(duì)象,以改善人的視覺效果為目的。圖像處理中, 輸入的是原始的質(zhì)量低的圖像,輸出的是改善質(zhì)量后的高質(zhì)量的圖像。從20 世紀(jì) 70 年代中期開始,隨著計(jì)算機(jī)技術(shù)和人工智能、思維科學(xué)研究的迅速發(fā)展,數(shù)字 圖像處理向更高、更深層次發(fā)展。很多國(guó)家投入更多的人力、物力到數(shù)字圖像處 理的研究中,并取得了豐碩的成果。 數(shù)字圖像處理技術(shù)的應(yīng)用領(lǐng)域遍及眾多行業(yè)、各學(xué)科,已經(jīng)滲透到工

8、業(yè)、醫(yī) 療保健、航空航天、軍事等各個(gè)領(lǐng)域。最典型的應(yīng)用是在軍事公安方面的應(yīng)用。 例如將來自衛(wèi)星的圖像用于軍事偵察,以地形匹配實(shí)現(xiàn)精確轟炸,用圖像處理技 術(shù)實(shí)現(xiàn)動(dòng)目標(biāo)跟蹤等等。圖像處理技術(shù)在公安方面的應(yīng)用有兩個(gè)突出的成果,即 指紋的查詢、識(shí)別及人像的組合、查詢和識(shí)別。指紋破案和人像破案屬于技術(shù)型 破案,已為許多公安部門所重視。在普通消費(fèi)領(lǐng)域,VCD、DVD 等基于圖像壓縮技 術(shù)的設(shè)備也已成為人們的普通娛樂設(shè)施。 2 B 超圖像處理步驟及基本原理 本論文以脂肪瘤的B 超圖像為例，圍繞著通過MATLAB 圖像處理工具箱對(duì)該 圖像的去噪、增強(qiáng)、邊緣輪廓提取等多種圖像處理的過程及結(jié)果進(jìn)行了比較研究， 在

9、驗(yàn)證各種方法的有效性的同時(shí)，選取其最優(yōu)化處理方法；并對(duì)針對(duì)影像醫(yī)生非 編程人員的特點(diǎn)說明通過MATLAB 實(shí)現(xiàn)全部處理過程自動(dòng)實(shí)現(xiàn)的方法，方便醫(yī)生 在此基礎(chǔ)上自行研究改進(jìn)處理方法，這對(duì)于二維醫(yī)學(xué)數(shù)字圖像處理的研究有著重 要的現(xiàn)實(shí)意義。 2.1 圖像灰度化處理 在進(jìn)行輪廓提取之前，必須進(jìn)行預(yù)處理。圖像預(yù)處理的任務(wù)就是抑制噪聲， 增強(qiáng)細(xì)節(jié)， 改善圖像質(zhì)量，為特征提取等后續(xù)處理提供一幅高信噪比的優(yōu)質(zhì)圖 像。B超圖像存在著噪聲大，灰階少，對(duì)比度差等不足，而且常出現(xiàn)回聲失落等 現(xiàn)象，導(dǎo)致輪廓?dú)埲辈蝗?，因此，?duì)預(yù)處理提出了較高的要求作者嘗試了大量 算法，實(shí)驗(yàn)表明，針對(duì)不同種類的圖像，相同算法具有不同的處理

10、效果，而且 對(duì)相同圖像進(jìn)行預(yù)處理的效果，不僅與算法有關(guān)，還與處理的順序密切相關(guān)然 而，現(xiàn)有的圖像預(yù)處理算法大多沒有考慮后續(xù) 處理的要求，針對(duì)B超圖像處理的 效果也很不明顯，所以在現(xiàn)有算法的基礎(chǔ)上進(jìn)行改造、創(chuàng)新，經(jīng)反復(fù)的實(shí)驗(yàn)分 析，找到了較適合于B超圖像的預(yù)處理方法。在實(shí)際運(yùn)用中，采用的 方法是對(duì)原 始的B超圖像先進(jìn)行保持邊緣的平滑化濾波，再進(jìn)行直方圖均衡化增強(qiáng)，這樣能 很好地完成圖像預(yù)處理的任務(wù)。實(shí)踐證明，該處理方法能為輪廓提取提供一幅好 的數(shù)字圖像。預(yù)處理的第一步就是對(duì)圖像進(jìn)行灰度化處理。 基本原理與實(shí)現(xiàn)方法 將彩色圖像轉(zhuǎn)化成為灰度圖像的過程稱為圖像的灰度化處理。彩色圖像中的 每個(gè)像素的顏色

11、有R、G、B 三個(gè)分量決定，而每個(gè)分量有255 個(gè)中值可取，這 樣一個(gè)像素點(diǎn)可以有1600 多萬（255 255 255）的顏色的變化范圍。而灰度圖 像是R、G、B 三個(gè)分量相同的一種特殊的彩色圖像，其中一個(gè)像素點(diǎn)的變化范 圍為255 種，所以在數(shù)字圖像處理中一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像以 使后續(xù)的圖像的計(jì)算量變得少一些?；叶葓D像的描述與彩色圖像一樣仍然反映了 整幅圖像的整體和局部的色度和亮度等級(jí)的分布和特征。 在RGB 模型中，如果R=G=B 時(shí)，則彩色表示一種灰度顏色，其中R=G=B 的值叫做灰度值。因此，灰度圖像每個(gè)像素只需一個(gè)字節(jié)存放灰度值（又稱強(qiáng)度 值、亮度值），灰度范圍為0

12、-255。圖像的灰度化處理，一般有以下三種設(shè)計(jì)方案： （1）加權(quán)平均法 根據(jù)重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均。由于人眼 對(duì)綠色的敏感最高，對(duì)藍(lán)色敏感最低，因此，對(duì)RGB 三分量進(jìn)行加權(quán)平均能得 到較合理的灰度圖像。 根據(jù)重要性及其它指標(biāo)，將R、G、B 三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均。 由于人眼對(duì)綠色的敏感度最高，對(duì)藍(lán)色敏感度最低。因此，我們可以按下式，對(duì) RGB 三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。 f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j) （2）平均值法 求出每個(gè)像素點(diǎn)的R、G、B 三個(gè)分量的平均值，然后將彩色圖像中的這個(gè) 平

13、均值賦予給這個(gè)像素的三個(gè)分量。 將彩色圖像中的R、G、B 三個(gè)分量的亮度求簡(jiǎn)單的平均值，將得到均值作 為灰度值輸出而得到灰度圖。其表達(dá)式見下式： f(i,j)=(R(i,j)+G(i,j)+B(i,j) /3 （3）最大值法 將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。 將彩色圖像中的R、G、B 三個(gè)分量中亮度的最大值作為灰度圖的灰度值。 其表達(dá)式見下式： f(i,j)=max(R(i,j),G(i,j),B(i,j) 本論文對(duì)原始圖像灰度化處理采用的是加權(quán)平均法。 實(shí)現(xiàn)程序及分析 I=imread(D:2.png); figure; B=imshow(I); I1=im2double

14、(I);%數(shù)據(jù)轉(zhuǎn)換 I1=rgb2gray(I1);%灰度轉(zhuǎn)換 imshow(I1) 通過imread （）函數(shù)讀出圖像數(shù)據(jù)，內(nèi)是圖像所存放地址和圖像格式；通 過figure，imshow(I)顯示出彩色圖片，把圖像數(shù)據(jù)賦值給變量I，本文運(yùn)用 rgb2gray （）函數(shù)實(shí)現(xiàn)彩色圖像到灰度圖像的轉(zhuǎn)換，經(jīng)數(shù)據(jù)變換、后賦值給變量 I1，imshow(I1)將灰度圖片顯示出來。變換后圖像如下： 圖1 原始脂肪瘤B超圖像 圖2 灰度化后的B超圖像 2.2 截圖 截圖處理部分所做的工作就是從圖像上截取最有用、最感興趣的部分，為 下面的處理做準(zhǔn)備。 實(shí)現(xiàn)程序及分析 I2=imcrop(I1); imshow

15、(I2) 提取目標(biāo)圖像中的任意部分，公式：imcrop(圖象名,x起點(diǎn)，y起點(diǎn)，x 寬度，y 寬度。matlab 中，用函數(shù)imcrop實(shí)現(xiàn)對(duì)圖像的剪切操作。該操作剪切 的是圖像中的一個(gè)矩形子圖，用戶可以通過參數(shù)指定這個(gè)矩形四個(gè)頂點(diǎn)的坐標(biāo)， 也可以交互地用鼠標(biāo)選取這個(gè)矩形。截取后圖像如下： 圖3 截圖處理后的圖像 2.3 圖像去噪 現(xiàn)代醫(yī)學(xué)B 超圖像, 其圖像在形成過程中由于受到X 射線源固有噪聲、量子 漲落、電子光學(xué)系統(tǒng)成像噪聲、機(jī)械噪聲、信道噪聲及在成像鏈中其它組合元件 帶入噪聲的影響, 特別是當(dāng)波長(zhǎng)與照射物體表面粗糙度相當(dāng)時(shí), 就會(huì)產(chǎn)生斑點(diǎn) 噪聲, 這一現(xiàn)象可以用隨機(jī)散射模型來解釋。這些

16、噪聲的存在可使獲得的圖像不 清晰, 尤其是掩蓋和降低了圖像某些細(xì)節(jié)信息, 為以后的圖像識(shí)別及病情診斷 造成不利的影響. 因此, 為了抑制這些噪聲, 改善圖像質(zhì)量, 必須對(duì)圖像進(jìn)行 降噪處理. 本部分針對(duì)脂肪瘤B 超圖像分別采用中值濾波、自適應(yīng)濾波和小波閾 值降噪處理這三種方法, 對(duì)同一圖像進(jìn)行了處理, 并對(duì)三種方法的效果作了對(duì) 比。 三種降噪方法的原理 .1 中值濾波法 對(duì)受到噪聲污染的圖像降噪可以采用線性濾波, 但多數(shù)線性濾波是低通濾 波, 在去除噪聲的同時(shí)也使圖像的邊緣變的模糊, 丟失了有用信息, 而中值濾 波是一種非線性濾波, 它可以去除圖像中的脈沖噪聲和椒鹽噪聲, 同時(shí)可以保 護(hù)圖像邊

17、緣不被模糊. 中值濾波的基本原理是把數(shù)字圖像中一點(diǎn)的值用該點(diǎn)的一個(gè)領(lǐng)域的各點(diǎn)值 的中值代替. 其基本技術(shù)思路是對(duì)窗口內(nèi)的所有像素灰度進(jìn)行排序, 取排序結(jié) 果的中值作為原窗口中心點(diǎn)處像素的灰度. 它的工作步驟如下: 1) 將模板在圖中游走, 并將模板中心與圖中某個(gè)像素位置重合; 2) 讀取模板下各對(duì)應(yīng)像素的灰度值; 3) 將這些灰度值從小到大排列成一列; 4) 找出這些值里排在中間的一個(gè); 5) 將這個(gè)中間值賦給對(duì)應(yīng)模板中心位置的像素. 由此可以看出, 中值濾波器的主要功能就是讓與周圍像素灰度值的差比較 大的像素改取與周圍像素值接近的值, 從而可以消除孤立的噪聲點(diǎn). .2 自適應(yīng)濾波法 中值濾波

18、法降噪是在整幅圖像中應(yīng)用相同的模板. 但是在醫(yī)學(xué)B 超圖像中, 不同區(qū)域內(nèi)圖像性質(zhì)不同, 且其疊加的噪聲幅度也不盡相同, 故應(yīng)根據(jù)圖像的 局部區(qū)域特性自動(dòng)選擇相應(yīng)的濾波器模板, 這種濾波器稱為自適應(yīng)濾波器。 由于在醫(yī)學(xué)B 超圖像中, 在出現(xiàn)邊界或其它突變結(jié)構(gòu)時(shí), 灰值變化較大, 從而其方差較大, 而噪聲方差較小, 同時(shí)此時(shí)由于為有用信息, 故應(yīng)以保持信 號(hào)為主. 而在灰值均勻分布的區(qū)域, 其方差主要由噪聲決定, 而噪聲方差較小, 故此時(shí)應(yīng)以去噪為主. 據(jù)此可以設(shè)計(jì)自適應(yīng)濾波器. 它的技術(shù)思路為: 估計(jì)每個(gè)像素的局部區(qū)域的均值和方差 設(shè)M2為噪聲方差, 如果沒有給出, 則以所有局部區(qū)域估計(jì)方差的

19、均值替代. 則自適應(yīng)濾波的估計(jì)式為 式中: 為圖像中一個(gè)M * N 像素的矩形局部區(qū)域; M , N 分別為該鄰域像 素矩陣的行數(shù)和列數(shù); n1, n2為像素坐標(biāo); a (n1, n2) 為原始圖像中(n1, n2) 像 素的灰度值; b (n1, n2) 為圖像自適應(yīng)濾波后(n1, n2) 像素的灰度值。 由上面的濾波公式可以看出, 那些方差很接近噪聲方差的區(qū)域?qū)⒈槐揪植?區(qū)域的均值替代(消除了 噪聲) , 而那些方差與噪聲方差相似度較小的區(qū)域幾 乎不參加濾波運(yùn)算(保留有用信息) , 具有自適應(yīng)性。 .3 小波閾值降噪法 圖像的小波閾值降噪法3 是眾多圖像去噪方法的佼佼者, 它利用圖像小 波

20、分解后, 各個(gè)子帶圖像的 不同特性, 在小波變換的不同尺度上選取不同的閾值, 從而達(dá)到較好的去噪效 果. 其處理方法有兩種: 將小于某一閾值的小波系數(shù)以0 代替并將大于閾值的值減去閾值作為新 的小波系數(shù)值, 這就是所謂的軟閾值; 直接將小于閾值的小波系數(shù)用0 代替, 而大于閾值的不作處理, 就是硬 閾值. 然后用經(jīng)過處理后的小波系數(shù)重建圖像, 便得到經(jīng)過濾除噪聲后的圖像. 實(shí)現(xiàn)步驟為: 1) 對(duì)原始圖像進(jìn)行小波變換; 2) 計(jì)算各個(gè)高分辨率子帶圖像的去噪閾值: 3) 對(duì)小波系數(shù)進(jìn)行閾值去噪, 軟閾值去噪公式為: 硬閾值去噪公式為: 4) 進(jìn)行小波反變換, 得到去噪后的圖像. 一般, 在小尺度上

21、, 采用軟閾值方法降噪, 這是因?yàn)樵肼暭性谛〕叨壬? 而采用軟閾值可以使其收縮, 使其在重建圖像里所占的比例減小, 這樣最大限 度的減小了噪聲的影響. 反之, 在大尺度上, 由于噪聲的成分相對(duì)較小, 所以 大于閾值的小波系數(shù)可以保留不變, 這樣圖像的特征就不會(huì)因?yàn)樾〔▔嚎s而被 消弱。 實(shí)現(xiàn)程序及分析 k1=medfilt2(I2);%中值濾波 k2=wiener2(I2,5,5);%自適應(yīng)濾波 subplot(2,2,1); imshow(k1); title(中值濾波); subplot(2,2,2); imshow(k2); title(自適應(yīng)濾波); thr,sorh,keepapp

22、= ddencmp(den,wv,I2); k3 = wdencmp(gbl,I2,sym4,2,thr,sorh,keepapp); %使用小波去噪函數(shù)對(duì) 圖像進(jìn)行去噪，使用sym4小波、全局門限值 subplot(2,2,3); imshow(k3); title(小波降噪法); 三種試驗(yàn)結(jié)果比較 首先給出三種實(shí)驗(yàn)處理圖像 1) 中值濾波對(duì)脈沖噪聲和椒鹽噪聲有一定的抑制作用, 但其也濾掉了一些有用 信息, 對(duì)圖像的細(xì)節(jié)處理不是很好。 2) 自適應(yīng)濾波對(duì)高斯噪聲和椒鹽噪聲有很好的抑制作用, 且較好的保留了圖像 中的有用信息, 其效果要好于中值濾波。 3) 小波降噪法對(duì)高斯噪聲和椒鹽噪聲也有很

23、好的抑制作用, 且因?yàn)槠湓诓煌?尺度水平上采用不同的閾值進(jìn)行降噪處理, 因此其效果更好, 圖像更清晰。 總之, 通過實(shí)驗(yàn)結(jié)果, 對(duì)醫(yī)學(xué)B 超圖像降噪處理的3 種方法做比較, 得出 小波降噪法和自適應(yīng)濾波法降噪效果都很好, 而且小波更優(yōu)越一點(diǎn), 但是用小 波降噪要選擇合適的小波以及尺度水平。 2.4 圖像二值化處理 二值化基本原理 圖像的二值化處理就是講圖像上的點(diǎn)的灰度置為0或255，也就是講整個(gè)圖像 呈現(xiàn)出明顯的黑白效果。即將256個(gè)亮度等級(jí)的灰度圖像通過適當(dāng)?shù)拈y值選取而 獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值 圖像占有非常重要的地位，特別是在實(shí)用的圖像處理中

24、，以二值圖像處理實(shí)現(xiàn)而 構(gòu)成的系統(tǒng)是很多的，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化， 得到二值化圖像，這樣子有利于再對(duì)圖像做進(jìn)一步處理時(shí)，圖像的集合性質(zhì)只與 像素值為0或255的點(diǎn)的位置有關(guān)，不再涉及像素的多級(jí)值，使處理變得簡(jiǎn)單，而 且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊 界定義不交疊的區(qū)域。所有灰度大于或等于閥值的像素被判定為屬于特定物體， 其灰度值為255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為0，表示 背景或者例外的物體區(qū)域。如果某特定物體在內(nèi)部有均勻一致的灰度值，并且其 處在一個(gè)具有其他等級(jí)灰度值的均勻背景下，使用閥值法就可以得到比

25、較的分割 效果。如果物體同背景的差別表現(xiàn)不在灰度值上（比如紋理不同），可以將這個(gè) 差別特征轉(zhuǎn)換為灰度的差別，然后利用閥值選取技術(shù)來分割該圖像。動(dòng)態(tài)調(diào)節(jié)閥 r值實(shí)現(xiàn)圖像的二值化可動(dòng)態(tài)觀察其分割圖像的具體結(jié)果。 實(shí)現(xiàn)程序及分析 level=graythresh(I2);%利用大津法求分割閾值 c=im2bw(I2,level);%利用大津法求得的閾值進(jìn)行圖像二值化 subplot(2,2,1); imshow(c); title(截圖后二值化); level=graythresh(k1); c=im2bw(k1,level); subplot(2,2,2); imshow(c); title(中值

26、濾波圖像二值化); level=graythresh(k2); c=im2bw(k2,level); subplot(2,2,3); imshow(c); title(自適應(yīng)濾波圖像二值化); level=graythresh(k3); c=im2bw(k3,level); subplot(2,2,4); imshow(c); title(小波降噪圖像二值化); 程序中先用graythresh 計(jì)算閾值，然后調(diào)用im2bw(i,閾值)，要自己定閾值 就用im2bw(A,level),這里level 在（0,1）之間，處理后對(duì)比圖像如下圖： 2.5 圖像增強(qiáng) 在圖像的產(chǎn)生、傳輸和變換過程中，由干

27、多種因素的影響，往往使圖像與原始 景物之間或者與原始圖像之間產(chǎn)生某些差異。這中差異稱為變劣或退化。圖像的 變劣使從圖像中獲取各種信息造成困難和不便。因此，有必要對(duì)變劣的日像進(jìn)行 恰當(dāng)?shù)奶幚恚固幚砗蟮膱D像更適合于入眼觀察或有利用干從圖像提取信息。這 種處理稱為圖像增強(qiáng)處理。圖像增強(qiáng)處理的過程是一個(gè)選擇、對(duì)比的過程，通過 運(yùn)用多種增強(qiáng)處理，觀察效果。從中選出最適合的處理方法。 從處理手段來講，圖像增強(qiáng)處理可分為空域法和頻域法兩種。主要內(nèi)容包括； 直方圖修改處理，圖象平滑圖象銳化等。圖像增強(qiáng)可分成兩大類：頻率域法 和空間域法。前者把圖像看成一種二維信號(hào)，對(duì)其進(jìn)行基于二維傅里葉變換 的信號(hào)增強(qiáng)。采用

28、低通濾波（即只讓低頻信號(hào)通過）法，可去掉圖中的噪聲； 采用高通濾波法，則可增強(qiáng)邊緣等高頻信號(hào)，使模糊的圖片變得清晰。具有 代表性的空間域算法有局部求平均值法和中值濾波（取局部鄰域中的中間像 素值）法等，它們可用于去除或減弱噪聲。本章將重點(diǎn)介紹直方圖的圖象處理。 灰度直方圖（histogram）是灰度級(jí)的函數(shù)，它表示圖像中具有每種灰度級(jí) 的象素的個(gè)數(shù)，反映圖像中每種灰度出現(xiàn)的頻率。 設(shè)變量r 代表圖像中像素灰度級(jí)。在圖像中，像素的灰度級(jí)可作歸一化處理， 這樣，r 的值將限定在下述范圍之內(nèi)：0 r 1。 在灰度級(jí)中，r=0 代表黑，r=1 代表白。對(duì)于一幅給定的圖像來說，每一個(gè) 像素取得0，1區(qū)間

29、內(nèi)的灰度級(jí)是隨即的，也就是說r 是一個(gè)隨即變量。假定對(duì) 每一瞬間它們是連續(xù)的隨即變量，那么，就可以用概率密度函數(shù)來表示 原始圖像的灰度分布。如果用直角坐標(biāo)系的橫軸代表灰度級(jí)r，用縱軸代表灰度 級(jí)的概率密度函數(shù)，這樣就可以針對(duì)一幅圖像在這個(gè)坐標(biāo)系中作一條曲線 來。這條曲線在概率論中就是分布密度曲線（見圖6） （a）() 圖6 圖像灰度分布概率密度函數(shù) 從圖像灰度級(jí)的分布可以看出一幅圖像的灰度分布特性。例如上圖中的兩個(gè) 灰度密度分布函數(shù)中可以看出： （a）的大多數(shù)像素灰度值取在較暗的區(qū)域，所 以這幅圖像較暗，一般在攝影過程中暴光過強(qiáng)就會(huì)造成這種后果；而（b）圖像 的像素灰度值集中在亮區(qū)，因此，圖像

30、（b）的特性將偏亮，一般在攝影中暴光 太脆弱將導(dǎo)致這種結(jié)果。當(dāng)然，從兩幅圖像的分布來看圖像的質(zhì)量均不理想。 直方圖均衡化 直方圖均衡化是圖象增強(qiáng)中點(diǎn)運(yùn)算的一種最常用的直方圖修正法。其實(shí)質(zhì)是 減少圖像的灰度等級(jí)以換取對(duì)比度的擴(kuò)大。他把給定圖像的直方圖分布改造成均 勻直方圖分布，其本質(zhì)是擴(kuò)大了量化間隔，減少量化級(jí)別。因此，會(huì)出現(xiàn)這樣的 效果，原來灰度不同的象素經(jīng)處理后可能變?yōu)橄嗤纬闪艘黄嗤叶鹊膮^(qū)域； 各區(qū)域之間有明顯的邊界，出現(xiàn)偽輪廓，圖像的對(duì)比度增加。但是由于在均衡化 過程中，原直方圖上頻數(shù)較少的灰度級(jí)被并入少數(shù)幾個(gè)或一個(gè)灰度級(jí)，對(duì)應(yīng)的圖 像部分將得不到增強(qiáng)。直方圖均衡化處理的中心思想是

31、把原始圖像的灰度直方圖 從比較集中的某個(gè)灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。 實(shí)現(xiàn)程序及分析： %直方圖均衡化 I3= histeq(I2); subplot(2,2,1),imshow(I2); title(原始B超圖象); subplot(2,2,2),imshow(I3); title(直方圖均衡化后的B超圖象); subplot(2,2,3),imhist(I2,64); title(原始圖象直方圖); subplot(2,2,4), imhist(I3,64); title(均衡化后直方圖); 處理后圖像如下所示： 直方圖規(guī)定化 直方圖規(guī)定化，就是通過一個(gè)灰度映像函數(shù)，將原灰度直方圖改造成所 希望的直方圖。所以，直方圖修正的關(guān)鍵就是灰度映像函數(shù)。 直方圖匹配方法主要有3 個(gè)步驟（這里設(shè)M 和N 分別為原始圖和規(guī)定圖 中的灰度級(jí)數(shù)，且只考慮NM的情況）：首先，對(duì)原始圖的直方圖進(jìn)行灰 度均衡化；其次，規(guī)定需要的直方圖，并計(jì)算能使規(guī)定的直方圖均衡化的變 換；最后，將第1個(gè)步驟得到的變換反轉(zhuǎn)過來，即將原始直方圖對(duì)應(yīng)映射到 規(guī)定的直方圖，也就是將所有pf (fi )對(duì)應(yīng)到pu (uj)去。 實(shí)現(xiàn)程序及分析： M,N=size(I2); hgarm=0:255; I4=histeq(I2, hgarm);