pet圖像腫瘤的檢測-結(jié)題報(bào)告

南京理工大學(xué)本科科研訓(xùn)練報(bào)告作者：XXXXXXXXXXXXXXXXXX學(xué)院：計(jì)算機(jī)科學(xué)與工程學(xué)院題目：PET圖象腫瘤的檢測指導(dǎo)老師：XXXXX年月日第一章緒論1.1研究背景腫瘤的早期預(yù)防、早期發(fā)現(xiàn)和治療對于人的生命是至關(guān)重要的，PET檢測技術(shù)的使用為腫瘤患者診斷方案的確定提供了便利條件，它獨(dú)特的成像技術(shù)和PET圖像的分析與研究，也越來越受到學(xué)者和研究人員的廣泛關(guān)注。準(zhǔn)確的將PET圖像中的腫瘤區(qū)域分割出來具有要的臨床意義。PET檢測技術(shù)的引進(jìn)，給癌癥患者帶來了一種準(zhǔn)確的診斷方案。它能收到人們?nèi)绱藷崆械年P(guān)注，因?yàn)镻ET／CT相比于傳統(tǒng)的診斷手段有了許多明顯的優(yōu)勢。在PET臨床應(yīng)用中，主要用到數(shù)字圖像技術(shù)中的圖像分割技術(shù)。運(yùn)用圖象處理中的分割方法能夠提取影像數(shù)據(jù)中特殊組織，也是可視化實(shí)現(xiàn)的前提，分割后的區(qū)域能夠進(jìn)行組織容積的定量分析，診斷，治療規(guī)劃等，從而實(shí)現(xiàn)計(jì)算機(jī)輔助診斷分析。這就要求參加此項(xiàng)目的同學(xué)對數(shù)字圖像學(xué)有一定的了解，尤其是要掌握其中的圖像分割的多種方法，例如邊緣檢測閾值分割區(qū)域分裂與合并等等，當(dāng)然這離不開計(jì)算機(jī)技術(shù)的配合，該項(xiàng)目要求同學(xué)有較強(qiáng)的編程能力，最好能將圖像的檢測與分割及計(jì)算等用代碼實(shí)現(xiàn)，利用計(jì)算機(jī)最終實(shí)現(xiàn)腫瘤的較為精確的檢測和定量分析（主要是算其體積）。1.2研究目的和內(nèi)容1.2.1研究目的本項(xiàng)目的主要實(shí)現(xiàn)了利用分割算法來實(shí)現(xiàn)腫瘤區(qū)域的檢測分割。首先學(xué)習(xí)圖像處理軟件庫Matlab，熟悉其各項(xiàng)功能以及相關(guān)函數(shù)，然后針對PET序列影像數(shù)據(jù)，研究腫瘤的屬性，運(yùn)用多種方法對腫瘤進(jìn)行檢測并分割，最后實(shí)現(xiàn)分割腫瘤的各項(xiàng)特征計(jì)算，與醫(yī)學(xué)專家分割的結(jié)果進(jìn)行對比分析，給出定量的分析評價(jià)。通過該項(xiàng)目的研究，項(xiàng)目參與人員能夠鍛煉實(shí)際的編程能力，熟悉醫(yī)學(xué)影像分析的流程，掌握圖象處理的相關(guān)知識，提高解決實(shí)際問題的能力。1.2.2研究內(nèi)容腫瘤的早期預(yù)防、早期發(fā)現(xiàn)和治療對于人的生命是至關(guān)重要的。近年來，PET在診斷和指導(dǎo)治療腫瘤、冠心病和腦部疾病等方面均已顯示出獨(dú)特的優(yōu)越性，越來越受到學(xué)者和研究人員的廣泛關(guān)注，準(zhǔn)確的將PET圖像中的腫瘤區(qū)域檢測分割出來具有重要的臨床意義。運(yùn)用圖象處理中的分割方法能夠提取影像數(shù)據(jù)中特殊組織，也是可視化實(shí)現(xiàn)的前提，分割后的區(qū)域能夠進(jìn)行組織容積的定量分析，診斷，治療規(guī)劃等，從而實(shí)現(xiàn)計(jì)算機(jī)輔助診斷分析。第二章MATLAB簡單介紹2.1簡介MATLAB是美國MathWorks公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級技術(shù)計(jì)算語言和交互式環(huán)境，主要包括MATLAB和Simulink兩大部分。2.2優(yōu)勢特點(diǎn)1)高效的數(shù)值計(jì)算及符號計(jì)算功能，能使用戶從繁雜的數(shù)學(xué)運(yùn)算分析中解脫出來；2)具有完備的圖形處理功能，實(shí)現(xiàn)計(jì)算結(jié)果和編程的可視化；3)友好的用戶界面及接近數(shù)學(xué)表達(dá)式的自然化語言，使學(xué)者易于學(xué)習(xí)和掌握；4)功能豐富的應(yīng)用工具箱(如信號處理工具箱、通信工具箱等)，為用戶提供了大量方便實(shí)用的處理工具。2.3編程環(huán)境MATLAB由一系列工具組成。這些工具方便用戶使用MATLAB的函數(shù)和文件，其中許多工具采用的是圖形用戶界面。包括MATLAB桌面和命令窗口、歷史命令窗口、編輯器和調(diào)試器、路徑搜索和用于用戶瀏覽幫助、工作空間、文件的瀏覽器。2.4圖形處理MATLAB自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來，并且可以對圖形進(jìn)行標(biāo)注和打印。高層次的作圖包括二維和三維的可視化、圖象處理、動(dòng)畫和表達(dá)式作圖?？捎糜诳茖W(xué)計(jì)算和工程繪圖。新版本的MATLAB對整個(gè)圖形處理功能作了很大的改進(jìn)和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對于一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），MATLAB同樣表現(xiàn)了出色的處理能力。同時(shí)對一些特殊的可視化要求，例如圖形對話等，MATLAB也有相應(yīng)的功能函數(shù)，保證了用戶不同層次的要求。另外新版本的MATLAB還著重在圖形用戶界面（GUI）的制作上作了很大的改善，對這方面有特殊要求的用戶也可以得到滿足。2.5MATLAB在圖像處理中的應(yīng)用圖像處理工具包是由一系列支持圖像處理操作的函數(shù)組成的。所支持的圖像處理操作有:圖像的幾何操作、鄰域和區(qū)域操作、圖像變換、圖像恢復(fù)與增強(qiáng)、線性濾波和濾波器設(shè)計(jì)、變換(DCT變換等)、圖像分析和統(tǒng)計(jì)、二值圖像操作等。下面就MATLAB在圖像處理中各方面的應(yīng)用分別進(jìn)行介紹。（1）圖像文件格式的讀寫和顯示。MATLAB提供了圖像文件讀入函數(shù)imread()，用來讀取如:bmp、tif、tiffpcx、jpg、gpeg、hdf、xwd等格式圖像文；圖像寫出函數(shù)imwrite()，還有圖像顯示函數(shù)image()、imshow()等等。（2）圖像處理的基本運(yùn)算。MATLAB提供了圖像的和、差等線性運(yùn)算，以及卷積、相關(guān)、濾波等非線性算。例如，conv2(I，J)實(shí)現(xiàn)了I，J兩幅圖像的卷積。（3）圖像變換。MATLAB提供了一維和二維離散傅立葉變換(DFT)、快速傅立葉變換(FFT)、離散余弦變換(DCT)及其反變換函數(shù)，以及連續(xù)小波變換(CWT)、離散小波變換(DWT)及其反變換。（4）圖像的分析和增強(qiáng)。針對圖像的統(tǒng)計(jì)計(jì)算MATLAB提供了校正、直方圖均衡、中值濾波、對比度調(diào)整、自適應(yīng)濾波等對圖像進(jìn)行的處理。（5）圖像的數(shù)學(xué)形態(tài)學(xué)處理。針對二值圖像，MATLAB提供了數(shù)學(xué)形態(tài)學(xué)運(yùn)算函數(shù)；腐蝕(Erode)、膨脹(Dilate)算子，以及在此基礎(chǔ)上的開(Open)、閉(Close)算子、厚化(Thicken)、薄化(Thin)算子等豐富的數(shù)學(xué)形態(tài)學(xué)運(yùn)算。以上所提到的MATLAB在圖像中的應(yīng)用都是由相應(yīng)的MATLAB函數(shù)來實(shí)現(xiàn)的，使用時(shí)，只需按照函數(shù)的調(diào)用語法正確輸入?yún)?shù)即可。具體的用法可參考MATLAB豐富的幫助文檔。圖像邊緣對圖像識別和計(jì)算機(jī)分析十分有用，在MATLAB中，函數(shù)edge()用于灰度圖像邊緣的提取，它支持六種不同的邊緣提取方法，即Sobel方法、Prewitt方法、Robert方法，Laplacian2Gaussian方法、過零點(diǎn)方法和Canny方法。第三章數(shù)字圖像處理3.1概念數(shù)字圖像處理（DigitalImageProcessing）又稱為計(jì)算機(jī)圖像處理，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用。數(shù)字圖像處理(DigitalImageProcessing)是通過計(jì)算機(jī)對圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理的方法和技術(shù)。3.2主要目的（1）提高圖像的視感質(zhì)量，對圖像進(jìn)行幾何變換等，以改善圖像的質(zhì)量。（2）提取圖像中所包含的某些特征或特殊信息，這些被提取的特征或信息往往為計(jì)算機(jī)分析圖像提供便利。（3）圖像數(shù)據(jù)的變換、編碼和壓縮，以便于圖像的存儲和傳輸。3.3常用方法1）圖像變換：由于圖像陣列很大，直接在空間域中進(jìn)行處理，涉及計(jì)算量很大。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計(jì)算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進(jìn)行數(shù)字濾波處理）。2）圖像編碼壓縮：圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特?cái)?shù)），以便節(jié)省圖像傳輸、處理時(shí)間和減少所占用的存儲器容量。。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。3）圖像增強(qiáng)和復(fù)原：圖像增強(qiáng)和復(fù)原的目的是為了提高圖像的質(zhì)量，如去除噪聲，提高圖像的清晰度等。圖像復(fù)原要求對圖像降質(zhì)的原因有一定的了解，一般講應(yīng)根據(jù)降質(zhì)過程建立“降質(zhì)模型”，再采用某種濾波方法，恢復(fù)或重建原來的圖像。4）圖像分割：圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進(jìn)一步進(jìn)行圖像識別、分析和理解的基礎(chǔ)。雖然已研究出不少邊緣提取、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。因此，對圖像分割的研究還在不斷深入之中，是圖像處理中研究的熱點(diǎn)之一。5）圖像描述：圖像描述是圖像識別和理解的必要前提。作為最簡單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。6）圖像分類（識別）：圖像分類（識別）屬于模式識別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預(yù)處理（增強(qiáng)、復(fù)原、壓縮）后，進(jìn)行圖像分割和特征提取，從而進(jìn)行判決分類。3.4主要優(yōu)點(diǎn)1.再現(xiàn)性好。數(shù)字圖像處理與模擬圖像處理的根本不同在于：它不會因圖像的存儲、傳輸或復(fù)制等一系列變換操作而導(dǎo)致圖像質(zhì)量的退化。只要圖像在數(shù)字化時(shí)準(zhǔn)確地表現(xiàn)了原稿，則數(shù)字圖像處理過程始終能保持圖像的再現(xiàn)。2.數(shù)組，這主要取決于圖像數(shù)字化設(shè)備的能力。現(xiàn)代掃描儀可以把每個(gè)像素的灰度等級量化為16位甚至更高，這意味著圖像的數(shù)字化精度可以達(dá)到滿足任一應(yīng)用需求。3．適用面寬。圖像可以來自多種信息源。這些來自不同信息源的圖像只要被變換為數(shù)字編碼形式后，均是用二維數(shù)組表示的灰度圖像（彩色圖像也是由灰度圖像組合成的，因而均可用計(jì)算機(jī)來處理。即只要針對不同的圖像信息源，采取相應(yīng)的圖像信息采集措施，圖像的數(shù)字處理方法適用于任何一種圖像。4．靈活性高圖像處理大體上可分為圖像的像質(zhì)改善、圖像分析和圖像重建三大部分，每一部分均包含豐富的內(nèi)容。由于圖像的光學(xué)處理從原理上講只能進(jìn)行線性運(yùn)算，這極大地限制了光學(xué)圖像處理能實(shí)現(xiàn)的目標(biāo)。而數(shù)字圖像處理不僅能完成線性運(yùn)算，而且能實(shí)現(xiàn)非線性處理，即凡是可以用數(shù)學(xué)公式或邏輯關(guān)系來表達(dá)的一切運(yùn)算均可用數(shù)字圖像處理實(shí)現(xiàn)。第四章用MATLAB進(jìn)行PET圖象腫瘤的檢測4.1圖像的讀取與顯示1、讀取圖像函數(shù)imread可以從任何Matlab支持的圖像文件格式中，以任意位深度讀取一幅圖像。格式為：MAP=imread(FILENAME,'FMT')，其中：FILENAME－為需要讀入的圖像文件名稱，F(xiàn)MT－為圖像格式。2、讀取圖像信息可以通過調(diào)用imfinfo函數(shù)獲得與圖像文件有關(guān)的信息，格式如下：INFO=imfinfo(FILENAME,'FMT')其中：返回的INFO是Matlab的一個(gè)結(jié)構(gòu)體。3、顯示圖像Matlab的圖像顯示函數(shù)主要使用imshow。imshow(I,n):顯示灰度級為n的圖像，n缺省為256。imshow(I,[low,high]):以灰度范圍[low,high]顯示圖像，如果不知道灰度范圍，可以用imshow(I,[])顯示。imshow(BW):顯示二值圖像。4.2閾值分割(整個(gè)科研實(shí)驗(yàn)的重點(diǎn))（1）調(diào)入并顯示圖像rice.png。（2）用迭代式閾值選擇方法分割圖像：（3）用Otsu法閾值選擇法分割圖像；（4）用分水嶺算法分割圖像。（5）將上述幾種處理方法的結(jié)果作比較。在一幅圖像中，人們常常只對其中的部分目標(biāo)感興趣，這些目標(biāo)通常占據(jù)一定的區(qū)域，并且在某些特性（如灰度、輪廓、顏色和紋理等）上和臨近的圖像有差別。這些特性差別可能非常明顯，也可能很細(xì)微，以至肉眼察覺不出來。隨著計(jì)算機(jī)圖像處理技術(shù)的發(fā)展，使得人們可以通過計(jì)算機(jī)來獲取和處理圖像信息。圖像識別的基礎(chǔ)是圖像分割，其作用是把反映物體真實(shí)情況的、占據(jù)不同區(qū)域的、具有不同特性的目標(biāo)區(qū)分開來，并形成數(shù)字特征。圖像分割是圖像理解的基礎(chǔ)，而在理論上圖像分割又依賴圖像理解，它們彼此是緊密關(guān)聯(lián)的。圖像分割在一般意義下是十分困難的問題，目前的圖像分割一般作為圖像的前期處理階段，是針對分割對象的技術(shù)，最常用到的是利用閾值化處理進(jìn)行的圖像分割。所謂閾值的方法實(shí)質(zhì)是利用圖像的灰度直方圖信息得到用于分割的閾值?；陂撝档姆指罘椒梢苑譃槿珠撝档姆椒ê镁植块撝档姆椒?，全局閾值的方法是利用整幅圖像的灰度信息，從整個(gè)圖像中得到用于分割的閾值，并且根據(jù)該閾值對圖像進(jìn)行分割；而局部閾值的方法是根據(jù)圖像中不同區(qū)域獲得對應(yīng)不同區(qū)域的幾個(gè)閾值，利用這些得到的閾值對圖像進(jìn)行分割，也就是一個(gè)閾值對應(yīng)圖像中的一個(gè)子區(qū)域。該方法的關(guān)鍵是如何合理地選擇閾值，人工選擇法是通過人眼的觀察，應(yīng)用人們對圖像的知識，在分析圖像直方圖的基礎(chǔ)上人工選出合適的閾值，也可以在人工選出閾值后，根據(jù)分割效果不斷地交換操作，從而選擇出較佳的閾值；自動(dòng)閾值法通常使用灰度直方圖來分析圖像中灰度值的分布，結(jié)合特定的應(yīng)用區(qū)域知識來選取合適的閾值。（1）迭代式閾值選擇迭代式閾值選擇方法的基本思想是：開始時(shí)候選擇一個(gè)閾值作為初始計(jì)值，然后按某種策略不斷地改進(jìn)這一估計(jì)值，直到滿意給定的準(zhǔn)則為止。在迭代過程中，關(guān)鍵之處在于選擇什么樣的閾值改進(jìn)策略。好的與之改進(jìn)側(cè)率應(yīng)該具備兩個(gè)特征：一是能夠快速收斂；二是在每一個(gè)迭代過程中，新產(chǎn)生閾值優(yōu)于上一次的閾值。如下是具體操作步驟：a選擇圖像灰度的中值作為初始閾值；b利用此閾值把圖像分割成兩個(gè)區(qū)域——和，用下式計(jì)算區(qū)域和的灰度均值和c計(jì)算出和后，計(jì)算新的閾值d重復(fù)步驟2和3，直到和的差小于某個(gè)給定值。下面為實(shí)現(xiàn)迭代式閾值選擇的MATLAB代碼：f=imread('rice.png');subplot(121);imshow(f);title('原始圖像')f=double(f);T=(min(f(:))+max(f(:)))/2;done=false;i=0;while~doner1=find(f<=T);r2=find(f>T);Tnew=(mean(f(r1))+mean(f(r2)))/2;done=abs(Tnew-T)<1;T=Tnew;i=i+1;endf(r1)=0;f(r2)=1;subplot(122);imshow(f);title('迭代閾值二值化圖像')用迭代式閾值選擇法二值化圖像（2）Otsu法閾值選擇Otsu法是一種使類間方差最大的自動(dòng)確定閾值的方法，該方法具有簡單、處理速度快的特點(diǎn)，是一種常用的閾值選取方法。MATLAB工具箱提供的graythresh函數(shù)求取閾值采用的就是這種方法。其基本思想是：設(shè)圖像像素?cái)?shù)為N，灰度范圍為[0，L-1]，對應(yīng)灰度級i的像素?cái)?shù)為，概率為i=0,1,2,…,L-1把圖像中的像素按灰度值用閾值T分成兩類和，由灰度值在[0,T]之間的像素組成，由灰度值在[T+1,L-1]之間的像素組成，對于灰度分布概率，整幅圖像的均值為則和的均值為，其中，由上面三式可得，類間方差定義為讓T在[0,L-1]范圍依次取值，使得方差最大的T值即為Otsu法的最佳閾值。下面為用Otsu方法進(jìn)行閾值選擇的MATLAB代碼：f=imread('rice.png');subplot(121);imshow(f);title('原始圖像')T=graythresh(f);g=im2bw(f,T);subplot(122);imshow(g);title('Otsu方法二值化圖像')用Otsu方法二值化圖像（3）分水嶺算法分水嶺算法（watershed）是一種借鑒了形態(tài)學(xué)理論的分割方法，在該方法中，將一幅圖像看成一個(gè)拓?fù)涞匦螆D，其中灰度值對應(yīng)地形高度值，高灰度值對應(yīng)著山峰，低灰度值對應(yīng)著山谷。水總是朝著地勢低的地方流動(dòng)，直到某一局部低洼處才停下來，這個(gè)低洼處被稱為吸水盆地。最終所有的水會分聚在不同的吸水盆地，吸水盆地之間的山脊被稱為分水嶺。水從分水嶺流下時(shí)，它朝著不同的吸水盆地流去的可能性是相等的。將這種想法應(yīng)用于圖像分割，就是要在灰度圖像中找到不同的吸水盆地和分水嶺，由這些不同的吸水盆地和分水嶺組成的區(qū)域即為我們要分割的目標(biāo)。閾值T0閾值T1閾值T2分水嶺形成示意圖I=imread('eight.tif');subplot(221);imshow(I);title('原始圖像')subplot(222);I=double(I);hv=fspecial('prewitt');hh=hv.';gv=abs(imfilter(I,hv,'replicate'));gh=abs(imfilter(I,hh,'replicate'));g=sqrt(gv.^2+gh.^2);subplot(222);L=watershed(g);wr=L==0;imshow(wr);title('分水嶺')I(wr)=255;subplot(223);imshow(uint8(I));title('分割結(jié)果')rm=imregionalmin(g);subplot(224);imshow(rm);title('局部極小值')不準(zhǔn)確標(biāo)記分水嶺算法導(dǎo)致的過分割從上圖可以看到對應(yīng)于目標(biāo)的邊緣，出現(xiàn)了比較嚴(yán)重的過分割現(xiàn)象，原因在于分水嶺算法是以梯度圖的局部極小點(diǎn)作為吸水盆地的標(biāo)記點(diǎn)。從第四幅圖中可以看到有過多的局部極小點(diǎn)。下面的改進(jìn)程序克服了這個(gè)缺點(diǎn)。I=imread('eight.tif');subplot(231);imshow(I);I=double(I);hv=fspecial('prewitt');hh=hv.';gv=abs(imfilter(I,hv,'replicate'));gh=abs(imfilter(I,hh,'replicate'));g=sqrt(gv.^2+gh.^2);subplot(232);df=bwdist(I);imshow(uint8(df*8));L=watershed(df);em=L==0;subplot(233);imshow(em);im=imextendedmax(I,20);subplot(234);imshow(im);g2=imimposemin(g,im|em);subplot(235);imshow(g2);L2=watershed(g2);wr2=L2==0;subplot(236);I(wr2)=255;imshow(uint8(I));準(zhǔn)確標(biāo)記的分水嶺算法分割過程4.3圖像分割1、圖像分割概述 圖像分割一般采用的方法有邊緣檢測（edgedetection）、邊界跟蹤（edgetracing）、區(qū)域生長（regiongrowing）、區(qū)域分離和聚合等。 圖像分割算法一般基于圖像灰度值的不連續(xù)性或其相似性。不連續(xù)性是基于圖像灰度的不連續(xù)變化分割圖像，如針對圖像的邊緣有邊緣檢測、邊界跟蹤等算法。相似性是依據(jù)事先制定的準(zhǔn)則將圖像分割為相似的區(qū)域，如閾值分割、區(qū)域生長等。2、邊緣檢測圖像的邊緣點(diǎn)是指圖像中周圍像素灰度有階躍變化或屋頂變化的那些像素點(diǎn)，即灰度值導(dǎo)數(shù)較大或極大的地方。邊緣檢測可以大幅度的減少數(shù)據(jù)量，并且剔除不相關(guān)信息，保留圖像重要的結(jié)構(gòu)屬性。邊緣檢測基本步驟：平滑濾波、銳化濾波、邊緣判定、邊緣連接。邊緣檢測算法：基于一階導(dǎo)數(shù)：Roberts算子、Sobel算子、Prewitt算子基于二階導(dǎo)數(shù)：高斯-拉普拉斯邊緣檢測算子Canny邊緣檢測算法Matlab實(shí)現(xiàn)1）、基于梯度算子的邊緣檢測BW=edge(I,type,thresh,direction,’nothinning’)type合法取值梯度算子‘sobel’sobel算子‘prewitt’prewitt算子‘reberts’robert算子thresh是敏感度閾值參數(shù)，任何灰度值低于此閾值的邊緣將不會被檢測到。默認(rèn)值為空矩陣[]，此時(shí)算法自動(dòng)計(jì)算閾值。direction指定了我們感興趣的邊緣方向，edge函數(shù)將只檢測direction中指定方向的邊緣，其合法值如下：direction合法值邊緣方向‘horizontal’水平方向‘vertical’豎直方向‘both’所有方向可選參數(shù)’nothinning’，指定時(shí)可以通過跳過邊緣細(xì)化算法來加快算法運(yùn)行的速度。默認(rèn)是’thinning’，即進(jìn)行邊緣細(xì)化。2）、基于高斯-拉普拉斯算子的邊緣檢測BW=edge(I,’log’,thresh,sigma)sigma指定生成高斯濾波器所使用的標(biāo)準(zhǔn)差。默認(rèn)時(shí)，標(biāo)準(zhǔn)差為2。濾鏡大小n*n，n的計(jì)算方法為：n=ceil(sigma*3)*2+1。3）、基于Canny算子的邊緣檢測BW=edge(I,’canny’,thresh,sigma)thresh是敏感度閾值參數(shù)，默認(rèn)值為空矩陣[]。此處為一列向量，為算法指定閾值的上下限。第一個(gè)元素為閾值下限，第二個(gè)元素為閾值上限。如果只指定一個(gè)閾值元素，則默認(rèn)此元素為閾值上限，其0.4倍的值作為閾值下限。如閾值參數(shù)沒有指定，則算法自行確定敏感度閾值上下限。b1=imread('nir.bmp');h58=fspecial('gaussian',5,0.8);b=imfilter(b1,h58);bw1=edge(b,‘sobel’);%sobel算子bw2=edge(b,‘prewitt’);%prewitt算子bw3=edge(b,‘roberts’);%roberts算子bw4=edge(b,‘log’);%log算子bw5=edge(b,‘canny’);%canny算子figure;imshow(bw1);imwrite(bw1,'nirbwsobel.bmp');figure;imshow(bw2);imwrite(bw2,'nirbwprewitt.bmp');figure;imshow(bw3);imwrite(bw3,'nirbwroberts.bmp');figure;imshow(bw4);imwrite(bw4,'nirbwlog.bmp');figure;imshow(bw5);imwrite(bw5,'nirbwcanny.bmp');robertsroberts算子log算子分析：1、邊緣定位精度方面：Roberts算子和Log算子定位精度較高。Roberts算子簡單直觀，Log算子利用二階導(dǎo)數(shù)零交叉特性檢測邊緣。但Log算子只能獲得邊緣位置信息，不能得到邊緣方向信息。2、邊緣方向的敏感性：Sobel算子、Prewitt算子檢測斜向階躍邊緣效果較好，Roberts算子檢測水平和垂直邊緣效果較好。Log算子不具有邊緣方向檢測功能。Sobel算子能提供最精確的邊緣方向估計(jì)。3、去噪能力：Roberts算子和Log算子雖然定位精度高，但受噪聲影響大。Sobel算子和Prewitt算子模板相對較大因而去噪能力較強(qiáng)，具有平滑作用，能濾除一些噪聲，去掉一部分偽邊緣，但同時(shí)也平滑了真正的邊緣，降低了其邊緣定位精度?？傮w來講，Canny算子邊緣定位精確性和抗噪聲能力效果較好，是一個(gè)折中方案。4.4圖像特征提取1.特征提取的一般原則：選擇在同類圖像之間差異較小（較小的類內(nèi)距），在不同類別的圖像之間差異較大（較大的類間距）的圖像特征。2．簡單區(qū)域描繪子周長：區(qū)域邊界上的像素?cái)?shù)目。面積：區(qū)域中像素?cái)?shù)目。致密性：（周長）^2/面積。區(qū)域的質(zhì)心?；叶染担簠^(qū)域中所有像素的平均值?；叶戎兄担簠^(qū)域中所有像素的排序中值。包含區(qū)域的最小矩形。最小或最大灰度級。大于或小于均值的像素?cái)?shù)。歐拉數(shù)：區(qū)域中的對象數(shù)減去這些對象的孔洞數(shù)。D=regionprops(L,properties);L為一個(gè)標(biāo)記矩陣，通過連通1區(qū)域標(biāo)注函數(shù)bwlabel得到。Properties合法值含義‘Area’區(qū)域內(nèi)像素總數(shù)‘BoundingBox’包含區(qū)域的最小矩形‘Centroid’區(qū)域的質(zhì)心‘ConvexHull’包含區(qū)域的最小凸多邊形‘EquivDiameter’和區(qū)域有著相同面積的圓的直徑‘EulerNumber’區(qū)域中的對象數(shù)減去這些對象的孔洞數(shù)3、主成分分析（PrincipalComponentAnalysis，PCA）[COEFF,SCORE,latent]=pincomp(X);X為原始樣本組成n*d的矩陣，其每一行是一個(gè)樣本特征向量，每一列表示樣本特征向量的一維。COEFF：主成分分量，也是樣本協(xié)方差矩陣的本征向量。SCORE：主成分，X的低維表示。latent：一個(gè)包含著樣本協(xié)方差矩陣本征值的向量。第五章科研項(xiàng)目總結(jié)和展望5.1總結(jié)與心得 通過這次科研項(xiàng)目，我們團(tuán)隊(duì)收獲了很多。首先，我們掌握了課本上沒有的知識，了解了有關(guān)于數(shù)字圖像方面的知識，在指導(dǎo)老師曹國的帶領(lǐng)和幫助下，我們利用課余時(shí)間上網(wǎng)查資料，用工具，大大提高了我們的動(dòng)手能力。其次，我們學(xué)習(xí)到了一些有關(guān)報(bào)告與論文的書寫格式與要求，學(xué)到了很多，為我們以后自己完成畢業(yè)設(shè)計(jì)的報(bào)告打下了基礎(chǔ)，最后，關(guān)于我們進(jìn)行的基于Matlab的PET圖象腫瘤的檢測研究，是我們在進(jìn)入大學(xué)之后，研究時(shí)間最長，投入時(shí)間最多的一個(gè)項(xiàng)目，也深深地體會到研究的不易，由于自身能力的原因，我們進(jìn)行的研究層次有限。在看起來比較簡單程序上我們也會耗費(fèi)比較多的時(shí)間，此次科