醫(yī)學(xué)圖像處理實(shí)驗(yàn)指南

1、 第六節(jié) 醫(yī)學(xué)圖像處理一、位圖文件的讀取、顯示以及存儲(chǔ)【實(shí)驗(yàn)?zāi)康摹?. 掌握標(biāo)準(zhǔn)C及C+編程語(yǔ)言，熟悉Visual C+編程環(huán)境。2. 了解數(shù)字圖像的表示。3. 了解位圖文件的格式?！緦?shí)驗(yàn)內(nèi)容】1. 使用Visual C+編寫(xiě)程序，讀取標(biāo)準(zhǔn)圖像lena.bmp，并將數(shù)據(jù)存入到一個(gè)二維數(shù)組中。2. 在用戶(hù)視圖區(qū)正確顯示該圖像。3. 將圖像數(shù)據(jù)行首尾倒置，并保存到一個(gè)新的位圖文件中。用圖像瀏覽器（如ACDSee、PhotoShop等）驗(yàn)證新寫(xiě)入的位圖文件是否正確?！緦?shí)驗(yàn)原理】偏移量域的名稱(chēng)大小內(nèi)容圖像文件頭0000.h標(biāo)識(shí)符（Identifier）2bytes兩字節(jié)的內(nèi)容用來(lái)識(shí)別位圖的類(lèi)型：BM:

2、 Windows 3.1x, 95, NTBA: OS/2 Bitmap ArrayCI: OS/2 Color IconCP: OS/2 Color PointerIC: OS/2 IconPT: OS/2 Pointer0002hFile Size1 dword用字節(jié)表示的整個(gè)文件的大小0006hReserved1 dword保留，設(shè)置為0000AhBitmap Data Offset1 dword從文件開(kāi)始到位圖數(shù)據(jù)開(kāi)始之間的數(shù)據(jù)(bitmap data)偏移量000EhBitmap Header Size1 dword位圖信息頭(Bitmap Info Head)的長(zhǎng)度，用來(lái)描述位圖的

3、顏色、壓縮方法等，下面的長(zhǎng)度表示：28h - Windows 3.1x, 95, NT0Ch OS/2 1.xF0h - OS/2 2.x0012hWidth1 dword位圖的寬度，以像素為單位0016hHeight1 dword位圖的高度，以像素為單位001AhPlanes1 word位圖的位面數(shù)圖像信息頭001ChBits Per Pixel1 word每個(gè)像素的位數(shù)1 - Monochrome bitmap4 16 color bitmap8 256 color bitmap16 16bit(high color) bitmap24 24bit(high color) bitmap32

4、 32bit(high color) bitmap001EhCompression1 dword壓縮說(shuō)明：0 none (也使用BI_RGB表示)1 - RLE 8-bit/pixel(也使用BI_RLE8表示)2 - RLE 4-bit/pixel(也使用BI_RLE4表示)3 - Bitfields(也使用BI_BITFIELDS表示)0022hBitmap Data Size1 dword用字節(jié)數(shù)表示的位圖數(shù)據(jù)的大小。該數(shù)必須是4的倍數(shù)0026hHResolution1 dword用像素/米表示的水平分辨率002AhVResolution1 dword用像素/米表示的垂直分辨率002Eh

5、Colors1 dword位圖是用的顏色數(shù)。如8-位/像素表示為100h或者2560032hImportant Colors1 dword指定重要的顏色數(shù)。當(dāng)該域的值等于顏色數(shù)時(shí)，表示所有顏色都一樣重要調(diào)色板數(shù)據(jù)0036hPaletteN*4 byte調(diào)色板規(guī)范。對(duì)于調(diào)色板中的每個(gè)表項(xiàng)，這4個(gè)字節(jié)用下述方法來(lái)描述RGB的值：1字節(jié)用于藍(lán)色分量1字節(jié)用于綠色分量1字節(jié)用于紅色分量1字節(jié)用于填充符（設(shè)置為0）圖像數(shù)據(jù)0436hBitmap Datax byte該域的大小取決于壓縮方法，他包含所有的位圖數(shù)據(jù)字節(jié)，這些數(shù)據(jù)實(shí)際就是彩色調(diào)色板的索引號(hào)表6-1 位圖文件格式位圖文件（Bitmap_File

6、，BMP）格式是Windows所采用的圖像文件存儲(chǔ)格式。一般來(lái)說(shuō)，位圖文件由四個(gè)部分組成：位圖文件頭（bitmap_header）、位圖信息頭（bitmap_information header）、調(diào)色板以及位圖數(shù)據(jù)區(qū)（字節(jié)陣列）?！緦?shí)驗(yàn)內(nèi)容】1. 圖像數(shù)據(jù)讀取在Windows下打開(kāi)Visual C+ 6.0，建立工程readbmp，并將該工程保存在自定義的目錄下。在視圖類(lèi)的頭文件readbmpView.h中定義位圖文件頭、信息頭、調(diào)色板數(shù)據(jù)類(lèi)型，并聲明該類(lèi)型的變量。文件頭：struct bmicolor WORD bftype; DWORD bfsize; DWORD bfreserved;

7、 DWORD bfoffbits; fh;信息頭： struct infohead DWORD bisize; DWORD biwidth; DWORD biheight; WORD biplanes; WORD bibitcount; DWORD bicompression; DWORD bisizeimage; DWORD bixpelspermeter; DWORD biypelspermeter; DWORD biclrused; DWORD biclrimportant; ih;調(diào)色板： struct bmpcolor BYTE blue; BYTE green; BYTE red;

8、 BYTE reserved; pallete256;在視圖類(lèi)文件readbmpView.cpp中的OnDraw( )函數(shù)里定義一個(gè)二維數(shù)組，用來(lái)保存圖像像素的灰度值。聲明一個(gè)文件類(lèi)對(duì)象，CFile fp; 打開(kāi)圖像文件，fp.Open(c:ddd.bmp,0);讀取圖像中文件頭、信息頭和調(diào)色板信息。fp.Read(&fh,sizeof(fh);fp.Read(&ih,sizeof(ih);for (i=0;iSetPixel(j+50,i+50,RGB(a,a,a);3. 圖像存儲(chǔ)將圖像的行首尾倒置。以寫(xiě)方式來(lái)打開(kāi)一個(gè)bmp文件。依次將文件頭、信息頭、調(diào)色板、圖像數(shù)據(jù)寫(xiě)入該文件中。用圖像瀏覽

9、器驗(yàn)證結(jié)果?！緦?shí)驗(yàn)報(bào)告】1. 實(shí)驗(yàn)?zāi)康?、?shí)驗(yàn)內(nèi)容、實(shí)驗(yàn)原理、實(shí)驗(yàn)內(nèi)容。2. 實(shí)驗(yàn)源代碼。3. 實(shí)驗(yàn)結(jié)果（在屏幕上顯示的圖像和行顛倒后的圖像）?！緦?shí)驗(yàn)思考】256色彩色圖像和256灰度圖像的有哪些區(qū)別？二、數(shù)字圖像的幾何變換【實(shí)驗(yàn)?zāi)康摹苛私鈭D像幾何變換的類(lèi)型和相應(yīng)方法。掌握?qǐng)D像比例縮放的原理和方法。掌握?qǐng)D像旋轉(zhuǎn)變換的原理和方法。熟悉最近鄰域插值、雙線(xiàn)性插值的特點(diǎn)和方法?！緦?shí)驗(yàn)內(nèi)容】使用Visual C+編寫(xiě)程序，讀取標(biāo)準(zhǔn)圖像lena.bmp，采用雙線(xiàn)性插值算法將其放大2.5倍，并在屏幕上顯示。對(duì)讀出的lena圖像進(jìn)行任意角度的旋轉(zhuǎn)，并將結(jié)果在屏幕上顯示?！緦?shí)驗(yàn)原理】1. 圖像的比例縮放數(shù)字圖像的

10、比例縮放是指將給定的圖像在x方向和y方向按相同的比例縮放a倍，從而獲得一幅新的圖像。比例縮放的實(shí)質(zhì)是為新圖像中的每個(gè)像素分配合適的灰度值，其過(guò)程是將新圖像看作是一個(gè)能夠伸縮的橡皮網(wǎng)格，將其縮放a倍后，求其每個(gè)坐標(biāo)點(diǎn)在原始圖像中的位置。設(shè)(x0, y0)是新圖像中的一點(diǎn)，縮放后其在原圖像中的位置為(x, y)，則通過(guò)上述坐標(biāo)變換獲得x和y很有可能都是非整數(shù)值，也就是點(diǎn)(x, y)在原圖像中沒(méi)有對(duì)應(yīng)的像素點(diǎn)，因此需要通過(guò)灰度級(jí)插值的方法獲取改點(diǎn)的灰度值。2. 圖像的旋轉(zhuǎn)圖像的旋轉(zhuǎn)變換是幾何學(xué)中研究的重要內(nèi)容之一。旋轉(zhuǎn)是需要圍繞一個(gè)中心點(diǎn)來(lái)進(jìn)行的，若沒(méi)有指定旋轉(zhuǎn)變換的中心，一般來(lái)說(shuō)，可以圍繞圖像的左

11、上角或者圖像的中心來(lái)進(jìn)行。數(shù)字圖像中的二維矩陣是以第一個(gè)像素為原點(diǎn)，圖像的旋轉(zhuǎn)變換是將圖像上的所有像素都旋轉(zhuǎn)同一個(gè)角度的變換。本實(shí)驗(yàn)是圍繞圖像左上角進(jìn)行旋轉(zhuǎn)的操作。經(jīng)過(guò)旋轉(zhuǎn)變換后，圖像中每個(gè)像素的坐標(biāo)位置都會(huì)發(fā)生變化，同時(shí)圖像的尺寸也會(huì)改變。因此，對(duì)圖像的旋轉(zhuǎn)操作也可以分為兩個(gè)步驟，即坐標(biāo)的變換以及灰度級(jí)插值。設(shè)原始圖像的任意點(diǎn)(x0, y0)經(jīng)旋轉(zhuǎn)角后新坐標(biāo)為(x, y)，則最后，x和y很有可能都是非整數(shù)值，因此也需要通過(guò)灰度級(jí)插值的方法獲取改點(diǎn)的灰度值。 若實(shí)現(xiàn)圍繞圖像中心或者任意點(diǎn)的旋轉(zhuǎn)變換，首先要將進(jìn)行平移操作，將原點(diǎn)位置由原來(lái)的首個(gè)像素平移到中心點(diǎn)位置，在按照上述的旋轉(zhuǎn)公式進(jìn)行坐標(biāo)變

12、換，灰度級(jí)差值，最后將旋轉(zhuǎn)后圖像的中心再平移回到首個(gè)像素的位置，以實(shí)現(xiàn)圖像的正常顯示與存儲(chǔ)。由于時(shí)間關(guān)系，繞任意點(diǎn)的旋轉(zhuǎn)變換由學(xué)生自行完成。3. 灰度級(jí)插值在對(duì)圖像進(jìn)行幾何變換時(shí)，原始圖像的像素坐標(biāo)(x, y)為整數(shù)，而坐標(biāo)變換后目標(biāo)圖像的位置坐標(biāo)并非整數(shù)，因此該點(diǎn)的灰度值應(yīng)由其附近的整數(shù)坐標(biāo)點(diǎn)的灰度值來(lái)決定，這個(gè)操作稱(chēng)為灰度級(jí)插值處理。常用的方法有最近鄰法和雙線(xiàn)性插值法。最近鄰法。設(shè)(x, y)為通過(guò)坐標(biāo)變換得到的新坐標(biāo)位置，在原圖中尋找與(x, y)臨近的四個(gè)整數(shù)坐標(biāo)點(diǎn)，并將與其距離最近的整數(shù)坐標(biāo)點(diǎn)的灰度值作為點(diǎn)(x,y)近似灰度值。雙線(xiàn)性插值法。用線(xiàn)性?xún)?nèi)插的方法，根據(jù)點(diǎn)(x, y)臨近的

13、四個(gè)整數(shù)坐標(biāo)點(diǎn)的灰度值，通過(guò)兩次插值計(jì)算出(x, y)的灰度值。如圖6-1所示。圖6-1 雙線(xiàn)性差值法 設(shè)A、B、C、D分別為與(x, y)臨近的四個(gè)整數(shù)坐標(biāo)點(diǎn)，其坐標(biāo)為別為(x, y)、(x+1, y)、(x+1, y+1)、(x, y+1)，灰度值分別為fA、fB、fC、fD。首先根據(jù)A點(diǎn)和D點(diǎn)的灰度值求出E點(diǎn)灰度值fE，即同理，F(xiàn)點(diǎn)的灰度值fF為那么，根據(jù)E和F兩點(diǎn)的灰度值便可求出點(diǎn)(x, y)的灰度值f，即【實(shí)驗(yàn)內(nèi)容】1. 圖像的比例縮放讀取尺寸為mn位圖文件lena.bmp；計(jì)算放大后圖像的尺寸，M=2.5m，N=2.5n為放大后的圖像分配內(nèi)存空間，即g=(unsigned char

14、 *) malloc(sizeof(unsigned char)*M*N);對(duì)放大后圖像的每一個(gè)點(diǎn)(i, j) （）進(jìn)行坐標(biāo)變換，變換后的坐標(biāo)為別為；利用雙線(xiàn)性插值法計(jì)算點(diǎn)的灰度值，即放大后圖像(i, j)處的灰度值。在屏幕上顯示放大后的圖像2. 圖像旋轉(zhuǎn)讀取尺寸為mn位圖文件lena.bmp；計(jì)算放大后圖像的尺寸為放大后的圖像分配內(nèi)存空間，即g=(unsigned char *) malloc(sizeof(unsigned char)*M*N);對(duì)旋轉(zhuǎn)后圖像中的每一個(gè)像素點(diǎn)(i, j) （）進(jìn)行坐標(biāo)變換，變換后的坐標(biāo)為別為；利用最近鄰法或雙線(xiàn)性差值法計(jì)算點(diǎn)的灰度值，即放大后圖像(i, j)

15、處的灰度值。在屏幕上顯示放大后的圖像。【實(shí)驗(yàn)報(bào)告】實(shí)驗(yàn)?zāi)康?、?shí)驗(yàn)內(nèi)容、實(shí)驗(yàn)原理、實(shí)驗(yàn)內(nèi)容。程序源代碼。要求程序可讀性好，重要的程序段或變量須加注釋。實(shí)驗(yàn)結(jié)果（縮放后的圖像和旋轉(zhuǎn)后的圖像）?！緦?shí)驗(yàn)思考】比較兩種插值方法對(duì)實(shí)驗(yàn)結(jié)果的影響？三、 直方圖均衡【實(shí)驗(yàn)?zāi)康摹?. 了解圖像直方圖的概念。2. 了解直方圖均衡的目的和用途。3. 掌握直方圖均衡的原理和方法?！緦?shí)驗(yàn)內(nèi)容】1. 使用Visual C+編寫(xiě)程序，讀取圖像，并將數(shù)據(jù)存入到一個(gè)二維數(shù)組中。2. 對(duì)圖像進(jìn)行直方圖均衡，并將處理后的圖像顯示在用戶(hù)視圖區(qū)?！緦?shí)驗(yàn)原理】圖像的灰度直方圖是一種表示數(shù)字圖像中各級(jí)灰度值及其出現(xiàn)頻率關(guān)系的函數(shù)，通常用二

16、維坐標(biāo)來(lái)描述直方圖，其橫坐標(biāo)表示像素的灰度級(jí)別，縱坐標(biāo)表示該灰度出現(xiàn)的頻數(shù)或概率?；叶戎狈綀D從整體上描述了一幅圖像的概貌特征，如果一幅圖像的直方圖覆蓋了灰度級(jí)很寬的范圍，而且灰度級(jí)的分布很均勻，那么這幅圖像就會(huì)具有高的對(duì)比度和多變的灰度色調(diào)，因此我們可以通過(guò)修改直方圖的方法來(lái)調(diào)整圖像的灰度分布。直方圖均衡主要是用來(lái)增強(qiáng)動(dòng)態(tài)范圍偏小的圖像的反差，從而提高圖像的灰度對(duì)比度。其主要思想是把一已知灰度概率分布的圖像，經(jīng)過(guò)某種變換，變成一幅具有均勻灰度概率分布的圖像。由此可以看出，直方圖均衡的關(guān)鍵就是尋求一個(gè)灰度變換函數(shù)，使得變換后的圖像具有均勻的灰度概率分布。若用和分別表示原圖像和變換后圖像的灰度概率

17、密度函數(shù)，根據(jù)概率論的知識(shí)，其中，為單調(diào)遞增函數(shù)如果我們將原圖像的灰度概率分布函數(shù)作為變換函數(shù)，即那么，因此 。 可見(jiàn)，當(dāng)取變換函數(shù)為原圖像的灰度概率分布函數(shù)作為變換函數(shù)時(shí)，變換后圖像的灰度概率密度是均勻的。【實(shí)驗(yàn)內(nèi)容】1. 利用實(shí)驗(yàn)一的程序代碼讀出待增強(qiáng)的原圖像。2. 定義大小為256的一維數(shù)組p，用來(lái)保存每個(gè)灰度級(jí)出現(xiàn)的概率密度。3. 統(tǒng)計(jì)原圖像中每個(gè)灰度級(jí)的像素?cái)?shù)目，并保存在數(shù)組p中。4. 計(jì)算每個(gè)灰度級(jí)出現(xiàn)的概率密度，即用數(shù)組p中的每個(gè)元素除以圖像總的像素?cái)?shù)目。5. 計(jì)算圖象各個(gè)灰度級(jí)的累計(jì)分布概率，記為，即6. 計(jì)算變換前后灰度級(jí)的對(duì)應(yīng)關(guān)系，即7. 灰度級(jí)變換，對(duì)原圖像中每一個(gè)像素的

18、灰度級(jí)用來(lái)代替?！緦?shí)驗(yàn)報(bào)告】1. 實(shí)驗(yàn)?zāi)康?、?shí)驗(yàn)內(nèi)容、實(shí)驗(yàn)原理、實(shí)驗(yàn)內(nèi)容。2. 實(shí)驗(yàn)源代碼。3. 實(shí)驗(yàn)結(jié)果（在屏幕上顯示直方圖均衡后的圖像）?！緦?shí)驗(yàn)思考】1. 為什么一般情況下對(duì)離散圖像進(jìn)行均衡化并不能產(chǎn)生完全平坦的直方圖？2. 直方圖均衡適用于對(duì)什么樣的圖像進(jìn)行增強(qiáng)？實(shí)驗(yàn)四 空間域平滑和銳化【實(shí)驗(yàn)?zāi)康摹?. 學(xué)會(huì)模板操作方法；2. 了解平滑和銳化的意義和用途；3. 熟練掌握均值濾波和中值濾波方法；4. 熟練掌握梯度算子和拉普拉斯算子?！緦?shí)驗(yàn)內(nèi)容】1. 使用Visual C+編寫(xiě)程序，讀取圖像，并將數(shù)據(jù)存入到一個(gè)二維數(shù)組中。2. 使用不同尺寸的模板對(duì)圖像進(jìn)行均值濾波，并將處理后的圖像顯示在用戶(hù)

19、視圖區(qū)。3. 對(duì)圖像進(jìn)行中值濾波，并將處理后的圖像顯示在用戶(hù)視圖區(qū)。4. 使用拉普拉斯算子對(duì)圖像進(jìn)行銳化；5. 使用sobel算子對(duì)圖像進(jìn)行銳化?！緦?shí)驗(yàn)原理】平滑濾波一般用于消除圖像中的隨機(jī)噪聲，從而起到圖像平滑的作用。圖像噪聲在視覺(jué)上通常與它們相鄰的像素明顯不同，通常為孤立點(diǎn)，表現(xiàn)形式為黑區(qū)域上的白點(diǎn)或白區(qū)域上的黑點(diǎn)。根據(jù)隨機(jī)噪聲的特點(diǎn)，在進(jìn)行平滑濾波時(shí)，通常用噪聲點(diǎn)周?chē)R近像素點(diǎn)的灰度值來(lái)作為其新的灰度值。均值濾波和中值濾波是最常用的平滑濾波方法，其中均值濾波是線(xiàn)性運(yùn)算，而中值濾波是非線(xiàn)性運(yùn)算。均值濾波法是將一個(gè)像素點(diǎn)及其鄰域中的所有像素點(diǎn)的平均值賦值給輸出圖像中相應(yīng)的像素點(diǎn)，從而達(dá)到平滑

20、的目的。最簡(jiǎn)單的均值濾波法采用系數(shù)取值都為1的模板，如33、55，以及更大尺度的模板。采用鄰域平均法進(jìn)行平滑濾波能夠有效去除噪聲，但同時(shí)也會(huì)使圖像中的細(xì)節(jié)及目標(biāo)邊緣變模糊，而且模板尺寸越大，模糊現(xiàn)象越嚴(yán)重。中值濾波法則在消除噪聲的同時(shí)還能保持圖像中的細(xì)節(jié)部分。中值濾波是一種非線(xiàn)性濾波，它將鄰域內(nèi)（或模板覆蓋下）所有像素點(diǎn)的灰度值從小到大排序，去中間值作為中心像素點(diǎn)的輸出值。圖像銳化主要用于加強(qiáng)圖像中景物的邊緣和輪廓，突出圖像中的細(xì)節(jié)部分。由于邊緣和輪廓處于灰度突變的地方，因此可以通過(guò)微分算子來(lái)突出或強(qiáng)調(diào)這些突然的變化。圖像銳化最常用的是基于儀階微分的“梯度法”和基于二階微分的“拉普拉斯算子“。

21、對(duì)于一幅圖像，它的梯度是一個(gè)向量，可以表示為：梯度向量的模值因具有各向同性，因此可以作為銳化濾波器。由于數(shù)字圖像是離散量，無(wú)法采用微分運(yùn)算，因此用差分運(yùn)算來(lái)代替。同時(shí)，由于在求取梯度模值時(shí)，需要進(jìn)行平方和開(kāi)放運(yùn)算，運(yùn)算量大，因此用絕對(duì)值來(lái)代替。這樣，梯度算子可以表示為：除梯度算子外，還可以采用Prewitt算子和Sobel算子，其對(duì)應(yīng)模板如圖6-2所示。-101-101-101-1-1-1000111-101-202-101-101-202-101(b) Soble算子(a) Prewitt算子圖4.1 （b）Sobel算子圖4.1 （a）Prewitt算子圖6-2 一階微分算子拉普拉斯算子是

22、二階微分算子，即同樣，微分操作用差分來(lái)代替，則拉普拉斯算子的離散表達(dá)式為：拉普拉斯算子對(duì)應(yīng)的模板如圖6-3所示。0-10-14-10-10-1-1-1-18-1-1-1-1圖6-3 拉普拉斯算子所對(duì)應(yīng)的模板【實(shí)驗(yàn)內(nèi)容】1. 均值濾波利用實(shí)驗(yàn)一的程序代碼讀出待增強(qiáng)的尺寸為MN的原圖像。定義33的二維數(shù)組p，用來(lái)保存模板系數(shù)。定義和原圖像尺寸相同的二維數(shù)組newimage，用來(lái)保存均值濾波的結(jié)果。解決圖像邊界問(wèn)題。將原圖像的首尾行和首尾列復(fù)制到結(jié)果圖像中，不予處理。將模板在原圖像中依次移動(dòng)，并將模板中心與待處理的像素（不包括邊緣像素點(diǎn)）重合，將模板中的各系數(shù)與其對(duì)應(yīng)的像素點(diǎn)相乘，并將相乘結(jié)果相加求

23、平均，則均值即為目標(biāo)圖像中對(duì)應(yīng)模板中心位置的像素點(diǎn)灰度值。將目標(biāo)圖像在屏幕上顯示。改變模板尺寸，對(duì)比不同尺寸的模板對(duì)圖像的影響。2. 中值濾波利用實(shí)驗(yàn)一的程序代碼讀出待增強(qiáng)的尺寸為MN的原圖像。定義一個(gè)尺寸為9的一維數(shù)組p，用來(lái)保存原圖像中待處理像素33鄰域內(nèi)的像素灰度值。定義和原圖像尺寸相同的二維數(shù)組newimage，用來(lái)保存中值濾波的結(jié)果。解決圖像邊界問(wèn)題。將原圖像的首尾行和首尾列復(fù)制到結(jié)果圖像中，不予處理。依照從左到右、從上到下的順序依次處理原圖像中的每一個(gè)像素，將待處理像素周?chē)?3鄰域內(nèi)的像素灰度值保存到一維數(shù)組p中。使用冒泡排序法對(duì)數(shù)組p中的值按升序進(jìn)行排序。將排序結(jié)果p4的值作為待

24、處理像素新的灰度值，并保存在目標(biāo)圖像的對(duì)應(yīng)位置中。將目標(biāo)圖像在屏幕上顯示。3. 使用Sobel算子對(duì)圖像進(jìn)行銳化具體實(shí)驗(yàn)內(nèi)容參照上述均值濾波的過(guò)程。4. 使用拉普拉斯算子對(duì)圖像進(jìn)行銳化具體實(shí)驗(yàn)內(nèi)容參照上述均值濾波的過(guò)程，在得到的目標(biāo)圖像中，像素的灰度值有正有負(fù)，要正確顯示目標(biāo)圖像，需要線(xiàn)性調(diào)整目標(biāo)圖像的灰度范圍，將每個(gè)像素的灰度值線(xiàn)性調(diào)整到0255這個(gè)范圍之內(nèi)?！緦?shí)驗(yàn)報(bào)告】1. 實(shí)驗(yàn)?zāi)康?、?shí)驗(yàn)內(nèi)容、實(shí)驗(yàn)原理、實(shí)驗(yàn)內(nèi)容。2. 實(shí)驗(yàn)源代碼。3. 實(shí)驗(yàn)結(jié)果（在屏幕上顯示濾波后的圖像）?！緦?shí)驗(yàn)思考】進(jìn)行均值濾波時(shí)，模板尺寸的大小對(duì)濾波結(jié)果有什么影響？為什么？進(jìn)行均值濾波時(shí)，模板的形狀對(duì)濾波有什么影響？

25、對(duì)比sobel算子和拉普拉斯算子濾波后的結(jié)果，說(shuō)明一階微分和二階微分在對(duì)圖像銳化的區(qū)別。五、 頻率域?yàn)V波增強(qiáng)【實(shí)驗(yàn)?zāi)康摹?. 熟悉快速傅立葉變換算法FFT；2. 了解低通濾波和高通濾波的區(qū)別；3. 熟練掌握高斯高通和高斯低通濾波器?！緦?shí)驗(yàn)內(nèi)容】1. 使用Visual C+編寫(xiě)程序，讀取圖像，并將數(shù)據(jù)存入到一個(gè)二維數(shù)組中。2. 對(duì)圖像進(jìn)行傅立葉變換，并觀(guān)察頻譜。3. 分別用理想低通和高斯低通濾波器對(duì)圖像進(jìn)行濾波，反變換后觀(guān)察濾波結(jié)果。4. 分別用理想高通和高斯高通濾波器對(duì)圖像進(jìn)行濾波，反變換后觀(guān)察濾波結(jié)果?！緦?shí)驗(yàn)原理】頻域增強(qiáng)方法是將圖像從空間域變換到頻率域，在頻域空間對(duì)圖像進(jìn)行濾波處理?？臻g域

26、濾波可以看作是圖像與模板進(jìn)行卷積運(yùn)算，即根據(jù)卷積定理，我們可以得到其中，、 分別是函數(shù)、和的傅立葉變換。稱(chēng)為濾波器傳遞函數(shù)，在對(duì)圖像進(jìn)行頻率域增強(qiáng)時(shí)，首要的任務(wù)就是確定，的性質(zhì)決定了對(duì)圖像處理的效果。圖像從空間域變換到頻率域后，其低頻分量對(duì)應(yīng)圖像中灰度值變化比較緩慢的區(qū)域，而高頻分量則對(duì)應(yīng)著圖像細(xì)節(jié)或物體邊緣等灰度突變的成分。如果濾波器的功能是削弱或抑制高頻分量，保留低頻分量，這種濾波器稱(chēng)為低通濾波器。頻率域中的低通濾波和空間域中的平滑濾波一樣，用以消除圖像中的隨機(jī)噪聲，消弱邊緣效應(yīng)，起到平滑圖像的作用。常用的低通濾波器包括理想低通濾波器、巴特沃斯低通濾波器和高斯低通濾波器。三種低通濾波器的傳

27、遞函數(shù)如下： 理想低通濾波器傳遞函數(shù) n階巴特沃斯低通濾波器傳遞函數(shù) 高斯低通濾波器傳遞函數(shù)其中，是一個(gè)非負(fù)數(shù)，稱(chēng)為截止頻率，而是頻率域中從點(diǎn)到頻域原點(diǎn)的距離，即在頻率域?qū)D像進(jìn)行濾波時(shí)，如果濾波器的功能是削弱和抑制低頻成分，而保留高頻成分，則這種濾波器稱(chēng)為高通濾波器。頻域中的高通濾波可以對(duì)圖像的邊緣信息進(jìn)行增強(qiáng)，起到圖像銳化的作用。高通濾波器包括理想高通濾波器、巴特沃斯高通濾波器、高斯高通濾波器等。這三種濾波器的傳遞函數(shù)如下： 理想高通濾波器傳遞函數(shù) n階巴特沃斯高通濾波器傳遞函數(shù) 高斯高通濾波器傳遞函數(shù)在頻率域?qū)D像進(jìn)行濾波處理的過(guò)程如圖6-4所示圖6-4 頻域?yàn)V波系統(tǒng)框圖【實(shí)驗(yàn)內(nèi)容】利用

28、實(shí)驗(yàn)一的程序代碼讀出原圖像。要求原圖像的行數(shù)和列數(shù)都為2的整數(shù)次冪（為了方便調(diào)用FFT算法）。如果不足，自行補(bǔ)零。補(bǔ)零后圖像的尺寸為MN。定義兩個(gè)大小為MN的二維數(shù)組R和I，用來(lái)保存二維傅立葉變換的實(shí)部和虛部。為了將頻譜中心移中，在進(jìn)行傅立葉變換之前，對(duì)原圖像進(jìn)行預(yù)處理，即用乘以。進(jìn)行二維傅立葉變換，首先對(duì)每一行進(jìn)行傅立葉變換，然后對(duì)中間結(jié)果的每一列進(jìn)行傅立葉變換，將結(jié)果保存在二維數(shù)組R和I中。這樣就將二維傅立葉變換分解為多次一維傅立葉變換。在屏幕上顯示和觀(guān)察圖像的頻譜。分別采用理想低通濾波器和高斯低通濾波器對(duì)圖像進(jìn)行低通濾波。此時(shí)的頻譜中心位于處，此時(shí)：。注意實(shí)部和虛部要做同樣的修改，并將濾

29、波后的結(jié)果仍保存在R和I中。對(duì)濾波后的結(jié)果進(jìn)行傅立葉反變換（也可對(duì)濾波結(jié)果取復(fù)共軛，然后進(jìn)行傅立葉正變換）。取反變換的實(shí)部，并保存在一個(gè)新的二維數(shù)組中MN。用乘以反變換的實(shí)部，得到濾波后的圖像，并在屏幕上顯示。重復(fù)上述過(guò)程，采用理想高通濾波器和高斯高通濾波器進(jìn)行濾波，觀(guān)察濾波后的結(jié)果?！緦?shí)驗(yàn)報(bào)告】1. 實(shí)驗(yàn)?zāi)康?、?shí)驗(yàn)內(nèi)容、實(shí)驗(yàn)原理、實(shí)驗(yàn)內(nèi)容。2. 實(shí)驗(yàn)源代碼。3. 實(shí)驗(yàn)結(jié)果（在屏幕上顯示高通和低通濾波后的圖像）?！緦?shí)驗(yàn)思考】1. 為什么在傅立葉變換之前要對(duì)圖像進(jìn)行預(yù)處理，即用乘以？2. 為什么用理想低通和理想高通濾波器濾波后會(huì)存在振鈴效應(yīng)？六、圖像的數(shù)學(xué)形態(tài)學(xué)變換【實(shí)驗(yàn)?zāi)康摹空莆諗?shù)學(xué)形態(tài)學(xué)變換

30、的概念、特點(diǎn)和用途。掌握數(shù)學(xué)形態(tài)學(xué)最基本的一組形態(tài)學(xué)運(yùn)算子，并用這些算子及其組合來(lái)進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理（特征抽取河圖像濾波）?！緦?shí)驗(yàn)內(nèi)容】使用Visual C+編寫(xiě)程序，讀取二值圖像。采用方形結(jié)構(gòu)元素對(duì)二值圖像進(jìn)行腐蝕操作。采用方形結(jié)構(gòu)元素對(duì)二值圖像進(jìn)行膨脹操作。采用方形結(jié)構(gòu)元素對(duì)二值圖像進(jìn)行開(kāi)操作。采用方形結(jié)構(gòu)元素對(duì)二值圖像進(jìn)行閉操作。選擇不同形狀的結(jié)構(gòu)元素對(duì)二值圖像進(jìn)行形態(tài)學(xué)變換?！緦?shí)驗(yàn)原理】數(shù)學(xué)形態(tài)學(xué)圖像處理的基本思想是利用一個(gè)稱(chēng)作結(jié)構(gòu)元素的“探針”收集圖像的信息。當(dāng)探針在圖像中不斷移動(dòng)時(shí)，便可考察圖像各個(gè)部分的相互關(guān)系，從而了解圖像各個(gè)部分的結(jié)構(gòu)特征。作為探針的結(jié)構(gòu)元素，可直

31、接攜帶知識(shí)（形狀、大小、灰度等）來(lái)探測(cè)所研究圖像的結(jié)構(gòu)特點(diǎn)。二值圖像數(shù)學(xué)形態(tài)學(xué)二值形態(tài)學(xué)中的運(yùn)算對(duì)象是集合，通常給出一個(gè)圖像集合和一個(gè)結(jié)構(gòu)元素集合，利用結(jié)構(gòu)元素對(duì)圖像進(jìn)行操作，其基本運(yùn)算有4種：腐蝕、膨脹、開(kāi)運(yùn)算和閉運(yùn)算。基于這些基本運(yùn)算和組合來(lái)進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理。如果A是圖像集合，B是結(jié)構(gòu)元素（B本身也是一個(gè)圖像集合），形態(tài)學(xué)運(yùn)算將使用B對(duì)A進(jìn)行操作。結(jié)構(gòu)元素往往比圖像小得多，基本運(yùn)算將遵循這個(gè)原則。1. 膨脹和腐蝕膨脹是在二值圖像中“加長(zhǎng)”或“變粗”的操作。這種特殊的方式和變粗的程度由一個(gè)稱(chēng)為結(jié)構(gòu)元素的集合控制。數(shù)學(xué)上，膨脹定義為集合運(yùn)算。A被B膨脹，記為，定義為：這個(gè)公式是以

32、得到B的相對(duì)于它自身原點(diǎn)的映射并且由x對(duì)映射進(jìn)行位移為基礎(chǔ)的。腐蝕“收縮”或“細(xì)化”二值圖像中的對(duì)象。像在膨脹中一樣，收縮的方式和程度由結(jié)構(gòu)元素控制。腐蝕的數(shù)學(xué)定義與膨脹相似，A被B腐蝕，記為，定義為：2. 開(kāi)運(yùn)算和閉運(yùn)算在圖像處理的實(shí)際應(yīng)用中，更多的以各種組合的形式來(lái)使用膨脹和腐蝕，它們可以級(jí)連結(jié)合使用。膨脹后再腐蝕，或者腐蝕后再膨脹，通常不能恢復(fù)成原來(lái)的圖像（目標(biāo)），而是產(chǎn)生一種新的形態(tài)變換，這就是開(kāi)運(yùn)算和閉運(yùn)算。 A被B的形態(tài)學(xué)開(kāi)運(yùn)算可以記作，這種運(yùn)算是A被B腐蝕后再用B來(lái)膨脹腐蝕的結(jié)果。A被B的形態(tài)學(xué)閉運(yùn)算可以記作，先膨脹再腐蝕的結(jié)果。當(dāng)處理二值圖像時(shí)，采用上述的形態(tài)學(xué)變換組合，主要應(yīng)

33、用于提取某一區(qū)域的邊界線(xiàn)、圖像邊緣輪廓、物體骨架特征和目標(biāo)識(shí)別等眾多的實(shí)際應(yīng)用?！緦?shí)驗(yàn)內(nèi)容】讀取二值圖像。采用九個(gè)像素的方形結(jié)構(gòu)元素對(duì)二值圖像進(jìn)行膨脹操作，觀(guān)察膨脹后的圖像與原圖像的區(qū)別。結(jié)構(gòu)元素，中心位置為原點(diǎn)。將膨脹操作寫(xiě)成函數(shù)的形式，方便多次調(diào)用。采用同一個(gè)結(jié)構(gòu)元素對(duì)二值圖像進(jìn)行腐蝕操作，觀(guān)察腐蝕后的圖像與原圖像的區(qū)別，以及膨脹與腐蝕的區(qū)別。將腐蝕操作也寫(xiě)成函數(shù)的形式。對(duì)同一幅圖像進(jìn)行開(kāi)操作，即先腐蝕，再膨脹，比較結(jié)果。進(jìn)行閉操作，即先膨脹再腐蝕，并比較結(jié)果。更改結(jié)構(gòu)元素為，中心位置為原點(diǎn)，重復(fù)進(jìn)行膨脹、腐蝕、開(kāi)和閉操作，比較結(jié)果元素的不同對(duì)圖像操作的影響?！緦?shí)驗(yàn)報(bào)告】1. 實(shí)驗(yàn)?zāi)康?、?shí)

34、驗(yàn)內(nèi)容、實(shí)驗(yàn)原理、實(shí)驗(yàn)內(nèi)容。2. 實(shí)驗(yàn)源代碼。3. 實(shí)驗(yàn)結(jié)果（在屏幕上顯示形態(tài)學(xué)操作后的圖像）?！緦?shí)驗(yàn)思考】對(duì)圖像進(jìn)行濾波操作，何種形態(tài)學(xué)變換能夠?qū)崿F(xiàn)？形態(tài)學(xué)變換進(jìn)行濾波操作的優(yōu)點(diǎn)是什么？七、 彩色圖像處理【實(shí)驗(yàn)?zāi)康摹?. 了解三種彩色模型的概念、特點(diǎn)和用途。2. 熟悉三種彩色模型之間的關(guān)系和相互轉(zhuǎn)換。3. 熟練運(yùn)用HSI模型對(duì)真彩色圖像進(jìn)行處理?！緦?shí)驗(yàn)內(nèi)容】1. 使用Visual C+編寫(xiě)程序，讀取24位真彩色圖像2. 對(duì)圖像進(jìn)行反色變換。3. 將彩色圖像轉(zhuǎn)換為灰度圖像。4. 對(duì)彩色圖像進(jìn)行直方圖均衡?！緦?shí)驗(yàn)原理】 彩色模型（也稱(chēng)彩色空間或彩色系統(tǒng)）的用途是在某些標(biāo)準(zhǔn)下用通?？山邮艿姆绞胶?jiǎn)化

35、彩色規(guī)范。目前常用的彩色模型可分為兩類(lèi)，一類(lèi)是面向硬件設(shè)備的，如RGB模型、CMY（青、深紅、黃）模型和CMYK（青、深紅、黃、黑）模型，前者用于彩色監(jiān)視器和彩色視頻攝像機(jī)，后兩者主要用于彩色打印機(jī)；另一類(lèi)主要面向彩色處理應(yīng)用，如HSI（色調(diào)、飽和度和亮度）模型，可以將圖像分成彩色和灰度信息，更加適合于許多灰度處理技術(shù)。1. RGB彩色模型RGB彩色模型基于笛卡爾坐標(biāo)，構(gòu)成了如圖6-4所示的彩色立方體子空間。R、G、B位于相應(yīng)的坐標(biāo)軸的頂點(diǎn)，黑色位于原點(diǎn)，白色位于離原點(diǎn)最遠(yuǎn)的頂點(diǎn)，不同的顏色處在立方體上或其內(nèi)部，并可用從原點(diǎn)分布的向量來(lái)定義。在RGB彩色模型中，所表示的圖像由三個(gè)圖像分量組成，

36、每一個(gè)圖像分量都是一幅8比特圖像，每一個(gè)彩色像素稱(chēng)為24比特深度。圖6-4 彩色立方體示意圖2. CMY和CMYK模型CMY和CMYK模型組要適用于彩色打印和復(fù)印設(shè)備。青、深紅和黃色是光的二次色，也是顏料的顏色。RGB模型和CMY模型的轉(zhuǎn)換為：其中，假設(shè)R、G、B的值都?xì)w一化為0，1范圍。等量的顏料原色（青、深紅、黃）可以產(chǎn)生黑色。實(shí)際上，組合出來(lái)的黑色不純。因此為了產(chǎn)生真正的黑色加入了第四種顏色黑色，因此產(chǎn)生了CMYK彩色模型。3. HSI彩色模型HSI模型可在彩色圖像中從攜帶的彩色信息（色調(diào)和飽和度）里消去強(qiáng)度分量的影響，對(duì)于開(kāi)發(fā)基于彩色描述的圖像處理方法是一個(gè)理想的工具。色調(diào)是描述純色的

37、屬性（如純黃、橘黃或紅色等），飽和度給出一種純色被白光稀釋的程度的度量。亮度體現(xiàn)了無(wú)色的強(qiáng)度概念，是單色圖像最有用的描述子。HSI模型定義在如圖6-5所示的圓柱形坐標(biāo)的雙圓錐子集上。下面圓錐的頂點(diǎn)為黑色，亮度為0，上面圓錐的頂點(diǎn)為白色，亮度為1，連接黑和白的軸線(xiàn)稱(chēng)為亮度軸。對(duì)于圓錐體上的任意一個(gè)色點(diǎn)p，p點(diǎn)的亮度由p所在的垂直于亮度軸的的平面與亮度軸的交點(diǎn)確定。圖6-5 基于圓形彩色平面的HIS彩色模型垂直于亮度軸的平面是一個(gè)圓形色環(huán)，描述了HSI的色調(diào)和飽和度。色調(diào)由繞亮度軸I的旋轉(zhuǎn)角給定。紅色對(duì)應(yīng)角度0，對(duì)于任意一個(gè)色點(diǎn)p來(lái)說(shuō)，其色調(diào)值對(duì)應(yīng)于指向該點(diǎn)的矢量與0的夾角，其飽和度的值為指向該點(diǎn)

38、的矢量的長(zhǎng)度。4. RGB彩色模型與HSI彩色模型之間的轉(zhuǎn)換對(duì)于RGB模型中的在0,1范圍內(nèi)的R、G、B值，對(duì)應(yīng)的HSI模型中的各分量可由下面的公式計(jì)算得出：對(duì)于HSI模型中的在0,1范圍內(nèi)的H、S、I值，對(duì)應(yīng)的RGB模型各分量可由下面的公式計(jì)算得出：當(dāng)時(shí)： 當(dāng)時(shí)： 當(dāng)時(shí)： 5. 反色變換反色是指與某種色調(diào)互補(bǔ)的另一種色調(diào)，反色變換就是得到原圖像的負(fù)片效果。在真彩色圖像中，R、G、B三個(gè)分量都用8位二進(jìn)制表示，則反色圖像g(x,y)與輸入圖像f(x,y)的R、G、B分量之間的關(guān)系可表示為：6. 彩色圖像灰度化在一些實(shí)際應(yīng)用中，為了加快圖像處理的速度，常需要利用將采集設(shè)備得到的彩色圖像轉(zhuǎn)換為灰度

39、圖像后再進(jìn)行處理。將彩色圖像轉(zhuǎn)換為灰度圖像的實(shí)質(zhì)，就是通過(guò)對(duì)圖像R、G、B分量的變換，使得每個(gè)像素點(diǎn)的這三個(gè)分量值相等。常用的方法有最大值法、平均值法和加權(quán)平均值法。最大值法：平均值法：加權(quán)均值法：其中，在加權(quán)平均值法中，權(quán)值的選取較為關(guān)鍵，權(quán)值不同，彩色圖像的灰度化結(jié)果也不同。相關(guān)研究表明，當(dāng)，以及時(shí)，得到的灰度化結(jié)果較為合理，即7. 彩色圖像的直方圖增強(qiáng)直方圖均衡技術(shù)可以自動(dòng)地確定一種變換，這種變換試圖產(chǎn)生具有均勻的灰度值的直方圖。在灰度圖像中，參與變換的只有灰度值這個(gè)量。而在真彩色圖像中，每一個(gè)像素由R、G、B三個(gè)分量來(lái)表示。對(duì)彩色圖像進(jìn)行直方圖均衡，可以分別對(duì)每個(gè)通道的圖像進(jìn)行直方圖均

40、衡，然后再三幅將處理后的圖像疊加。另一種方法是將RGB模型轉(zhuǎn)換為HIS模型，由于色調(diào)和飽和度表示的是顏色信息，而亮度與顏色無(wú)關(guān)，因此只需對(duì)亮度分量進(jìn)行直方圖均衡，而保持色調(diào)和飽和度不變，是較為合理的彩色圖像直方圖均衡方法?！緦?shí)驗(yàn)內(nèi)容】1. 真彩色圖像讀取定義三個(gè)和圖像尺寸相同的MN的二維數(shù)組R、G、B，分別用來(lái)保存彩色圖像中每個(gè)像素的RGB分量。讀取原圖像。在真彩色BMP圖像中，沒(méi)有調(diào)色板，像素按從上到下從左到右順序存放，每個(gè)像素用三個(gè)字節(jié)表示，分別對(duì)應(yīng)紅綠藍(lán)三個(gè)分量，將這三個(gè)分量分別保存到上述定義的三個(gè)數(shù)組中（參照實(shí)驗(yàn)一）。2. 真彩色圖像反色變換另外定義三個(gè)尺寸為MN的二維數(shù)組RR、GG、

41、BB，用來(lái)保存反色后的圖像。進(jìn)行反色變換。For (i=0; iM; i+) For (j=0; jN; j+) RRij=255-Rij; GGij=255-Gij; BBij=255-Bij;顯示反色后的圖像。For (i=0; iM; i+) For (j=0; jSetPixel(j,i,RGB(RRij, GGij, BBij);3. 彩色圖像灰度化定義一個(gè)尺寸為MN的二維數(shù)組gray，保存灰度化后的圖像。進(jìn)行彩色圖像灰度化，F(xiàn)or (i=0; iM; i+) For (j=0; ja。a的典型值在0.25到0.5之間，b的典型值在1.5到2.0之間。是選擇的高通濾波函數(shù)，在本實(shí)驗(yàn)中

42、，選擇巴特沃思高通濾波器。【實(shí)驗(yàn)內(nèi)容】1. 編寫(xiě)程序，讀取圖6-6的胸部X射線(xiàn)圖像，并能夠正常顯示原圖。圖6-6 胸部X射線(xiàn)圖像2. 將該圖像進(jìn)行FFT變換，轉(zhuǎn)換到頻率域，采用巴特沃思高通濾波器，n=2，D0采用垂直方向值的5%。只要濾波器的半徑不太小，頻率接近變換后的原點(diǎn)，高通濾波就不會(huì)對(duì)參數(shù)過(guò)度敏感。將經(jīng)過(guò)高通濾波的圖像轉(zhuǎn)換回空間域，結(jié)果只是顯示出微弱的主要圖像邊緣。3. 將高通濾波函數(shù)改為高頻加強(qiáng)函數(shù)，其中a=0.5，b=2.0。觀(guān)察濾波后的圖像，雖然圖像仍然很暗，但是灰度色調(diào)由于低頻分量的保持沒(méi)有丟失。4. 采用直方圖均衡，將圖像的灰度范圍擴(kuò)大，便于觀(guān)察圖像的細(xì)節(jié)。得到的圖像應(yīng)該為圖6

43、-7所示。圖6-7 胸部X射線(xiàn)圖像增強(qiáng)效果圖【實(shí)驗(yàn)報(bào)告內(nèi)容】1. 實(shí)驗(yàn)?zāi)康?、?shí)驗(yàn)內(nèi)容、實(shí)驗(yàn)原理、實(shí)驗(yàn)內(nèi)容。2. 實(shí)驗(yàn)源代碼。3. 實(shí)驗(yàn)結(jié)果（在屏幕上顯示高通、高頻增強(qiáng)和直方圖均衡后的圖像）?！緦?shí)驗(yàn)思考】高頻增強(qiáng)濾波器的特點(diǎn)，適用的條件？a，b系數(shù)的選擇會(huì)對(duì)圖像造成什么樣的影響？二、 細(xì)胞圖像分割【實(shí)驗(yàn)?zāi)康摹繄D像分割是將圖像的目標(biāo)和背景分開(kāi)。了解各種圖像分割的方法并實(shí)現(xiàn)一種自動(dòng)分割得算法?！緦?shí)驗(yàn)內(nèi)容】1. 使用Visual C+編寫(xiě)程序，讀取細(xì)胞圖像。2. 對(duì)圖像進(jìn)行預(yù)處理，主要是去除噪聲，避免噪聲對(duì)圖像分割造成干擾。3. 選用Otsu算法進(jìn)行分割，將圖像轉(zhuǎn)換為二值圖像。4. 采用形態(tài)學(xué)的方法去

44、除二值圖像中的噪聲。5. 對(duì)圖像中目標(biāo)的孔洞進(jìn)行填充。【實(shí)驗(yàn)原理】圖像分割可以分為全局閾值，局部閾值和動(dòng)態(tài)閾值幾類(lèi)方法，其中最重要的是全局閾值，它是后兩類(lèi)方法的基礎(chǔ)。全局閾值又有極小點(diǎn)閾值法，迭代閾值法，最小均方誤差法，最大類(lèi)間方差法等等。每種方法在相關(guān)書(shū)籍上都有詳細(xì)的介紹。其中最簡(jiǎn)單的是極小點(diǎn)閾值法，它是根據(jù)圖像的灰度直方圖中極小點(diǎn)的位置來(lái)作為閾值進(jìn)行分割的。但是這種方法不能夠?qū)崿F(xiàn)自動(dòng)確定閾值。使用的最多的是最大類(lèi)間方差法，即Otsu算法。它是在灰度直方圖的基礎(chǔ)上用最小二乘法原理推導(dǎo)出來(lái)的，具有統(tǒng)計(jì)意義上的最佳分割閾值。它的基本原理為以最佳閾值將圖像的灰度直方圖分割成兩部分，使兩部分的方差取

45、最大值，即分離性最大。該算法適用于圖像二值化（用單閾值分割圖像），其基本思路是：選取最佳閾值應(yīng)當(dāng)使得用該閾值分割得到的兩類(lèi)間具有最好的分離性；類(lèi)間分離性最好的判據(jù)是統(tǒng)計(jì)意義上的類(lèi)間特性差最大或類(lèi)內(nèi)特性差最小。設(shè)X是一幅具有L灰度級(jí)的圖像，其中第i級(jí)像素為Ni個(gè)，圖像總的像素點(diǎn)個(gè)數(shù)為，第i級(jí)像素出現(xiàn)的概率為。選定一個(gè)閾值k將所有的像素分為C0、C1（目標(biāo)和背景）兩類(lèi)。其中C0類(lèi)的像素灰度級(jí)為0k，類(lèi)C1的像素灰度級(jí)為（k+1）L-1。圖像的總平均灰度級(jí)為，C0類(lèi)的平均灰度級(jí)為，C1類(lèi)的平均灰度級(jí)為。兩部分圖像所占面積的比例分別為：，。令，類(lèi)間方差定義為令k從1L-2變化，計(jì)算不同k值下的類(lèi)間方差

46、，使最大的那個(gè)k值就是所求的最優(yōu)閾值。因?yàn)榉讲钍窍袼鼗叶确植季鶆蛐缘囊环N量度，方差越大，說(shuō)明均勻性越差，圖像中的目標(biāo)和背景的差別越大。當(dāng)部分目標(biāo)錯(cuò)分為背景或者是部分背景錯(cuò)分為目標(biāo)，都會(huì)使兩部分的差別變小，因此類(lèi)間方差最大的分割意味著錯(cuò)分概率最小，即分割效果最好?！緦?shí)驗(yàn)內(nèi)容】1. 讀取血液細(xì)胞圖像，并能夠正常顯示。2. 采用中值濾波對(duì)圖像進(jìn)行去噪。3. 根據(jù)實(shí)驗(yàn)原理，編寫(xiě)Otsu算法，對(duì)圖像進(jìn)行分割，得到二值圖像。4. 觀(guān)察所得到的二值圖像，進(jìn)行后處理。去除掉背景中的噪聲。采用形態(tài)學(xué)的方法。因?yàn)榧?xì)胞的形狀和大小比較接近，選擇比細(xì)胞形狀小很多的結(jié)構(gòu)元素，進(jìn)行開(kāi)操作，就能夠?yàn)V除掉背景中的噪聲。根據(jù)圖

47、像顯示的結(jié)果，可以逐漸調(diào)整結(jié)構(gòu)元素的大小，以實(shí)現(xiàn)準(zhǔn)確的去掉噪聲。5. 由于目標(biāo)細(xì)胞的灰度并不均勻，因此分割后在目標(biāo)細(xì)胞內(nèi)部可能存在孔洞，我們?cè)儆眯螒B(tài)學(xué)閉操作填補(bǔ)上孔洞，使細(xì)胞能夠以完整的目標(biāo)存在?！緦?shí)驗(yàn)報(bào)告內(nèi)容】1. 實(shí)驗(yàn)?zāi)康?、?shí)驗(yàn)內(nèi)容、實(shí)驗(yàn)原理、實(shí)驗(yàn)內(nèi)容。2. 實(shí)驗(yàn)源代碼。3. 實(shí)驗(yàn)結(jié)果（在屏幕上顯示圖像分割后的二值圖像的結(jié)果）?！緦?shí)驗(yàn)思考】圖像分割過(guò)程的預(yù)處理和后處理也非常重要。由于圖像的種類(lèi)特點(diǎn)眾多，很難找到通用的分割方法，因此要學(xué)會(huì)從處理圖像的特點(diǎn)進(jìn)行出發(fā)，進(jìn)行準(zhǔn)確有效的分割，也可以結(jié)合幾種不同的分割方法，以達(dá)到較好的處理結(jié)果。三、 細(xì)胞計(jì)數(shù)【實(shí)驗(yàn)?zāi)康摹勘緦?shí)驗(yàn)是以實(shí)驗(yàn)二圖像分割為基礎(chǔ)，

48、在分割識(shí)別出血液中的細(xì)胞的基礎(chǔ)上，自動(dòng)檢測(cè)出細(xì)胞的個(gè)數(shù)及各個(gè)細(xì)胞的面積。【實(shí)驗(yàn)內(nèi)容】1. 讀取實(shí)驗(yàn)二分割結(jié)果的二值圖像。2. 對(duì)圖像進(jìn)行形態(tài)學(xué)操作，去除掉微小的非細(xì)胞目標(biāo)，填補(bǔ)細(xì)胞內(nèi)部的孔洞，保證細(xì)胞目標(biāo)的連通性，3. 對(duì)分割出來(lái)的每個(gè)細(xì)胞進(jìn)行區(qū)域標(biāo)記。4. 計(jì)算每個(gè)標(biāo)記區(qū)域的面積，并統(tǒng)計(jì)標(biāo)記區(qū)域的個(gè)數(shù)?！緦?shí)驗(yàn)原理】圖像分割的結(jié)果是一幅二值圖像，所有的目標(biāo)區(qū)域都被賦予同一種灰度值。如果圖像中有多個(gè)目標(biāo)區(qū)域，并且希望分析各個(gè)目標(biāo)的大小、形狀等特征時(shí)，就需要對(duì)目標(biāo)區(qū)域加以區(qū)分。區(qū)域標(biāo)記是指對(duì)圖像中同一連通區(qū)域的所有像素賦予相同的標(biāo)記，不同的連通區(qū)域賦予不同的標(biāo)記。常用的區(qū)域標(biāo)記方法有遞歸標(biāo)記法。遞

49、歸標(biāo)記算法如下：1. 從左到右，從上到下逐行逐列掃描圖像，尋找沒(méi)有標(biāo)記的目標(biāo)點(diǎn)P，給該點(diǎn)分配一個(gè)新的標(biāo)記。2. 遞歸分配同一標(biāo)記給P點(diǎn)的淋浴目標(biāo)像素。3. 直到相互連接的像素全部標(biāo)記完畢，一個(gè)連通區(qū)域就標(biāo)上了同樣的記號(hào)。4. 重復(fù)步驟（1）（2）（3），尋找未標(biāo)記的目標(biāo)點(diǎn)并遞歸分配同一標(biāo)記給其鄰域目標(biāo)點(diǎn)，則圖像標(biāo)記完畢。【實(shí)驗(yàn)內(nèi)容】1. 形態(tài)學(xué)處理。經(jīng)閾值分割的圖像中還包含有一些較大的噪聲。采用形態(tài)學(xué)方法去除這些較大的噪聲。具體做法是用33的結(jié)構(gòu)元素對(duì)其進(jìn)行兩次腐蝕操作。2. 填充孔洞。逐行掃描圖像，當(dāng)遇到像素值為255的像素時(shí)，判斷其上下左右一定范圍W內(nèi)的像素值，若有像素值為0的峽谷尿素，則

50、被標(biāo)記，如果上下左右同時(shí)被標(biāo)記，則置該像素值為0。掃描完整副圖像，則處理結(jié)束。范圍W的大小可視孔洞大小實(shí)驗(yàn)設(shè)定，本實(shí)驗(yàn)可選擇為20。3. 若圖像中有部分細(xì)胞出現(xiàn)粘連，可以通過(guò)較為復(fù)雜的算法將粘連細(xì)胞分割開(kāi)來(lái)。本實(shí)驗(yàn)采取如下簡(jiǎn)單方法進(jìn)行細(xì)胞計(jì)數(shù)和面積計(jì)算。采用遞歸算法進(jìn)行標(biāo)記處理，初步計(jì)算出細(xì)胞的個(gè)數(shù)。計(jì)算不同標(biāo)記區(qū)域的像素?cái)?shù)，并用區(qū)域的像素?cái)?shù)代表其面積。若某科標(biāo)記區(qū)域的像素?cái)?shù)大于某一值（如），則認(rèn)為該標(biāo)記區(qū)域?yàn)閮蓚€(gè)粘連在一起的細(xì)胞，原細(xì)胞數(shù)量增加；若某個(gè)標(biāo)記區(qū)域像素?cái)?shù)小于，則視為噪聲，原細(xì)胞數(shù)量減?！緦?shí)驗(yàn)報(bào)告內(nèi)容】1. 實(shí)驗(yàn)?zāi)康?、?shí)驗(yàn)內(nèi)容、實(shí)驗(yàn)原理、實(shí)驗(yàn)內(nèi)容。2. 實(shí)驗(yàn)源代碼。3. 實(shí)驗(yàn)結(jié)果（

51、在屏幕上顯示統(tǒng)計(jì)后的細(xì)胞面積和個(gè)數(shù)）。一、 心臟超聲圖像的去噪根據(jù)學(xué)過(guò)的去噪方法，對(duì)心臟超聲圖像進(jìn)行處理?？梢圆捎貌煌０宓目臻g域?yàn)V波，頻率域?yàn)V波，形態(tài)學(xué)濾波的算法，或者是不同算法的組合，以達(dá)到較好的去噪效果。 二、 基因芯片圖像的自動(dòng)識(shí)別基因芯片是生物信息學(xué)進(jìn)行反應(yīng)的一種技術(shù)，因?yàn)樗鼣?shù)據(jù)量大的特點(diǎn)，應(yīng)用比較廣泛。由于反應(yīng)程度不同，有些呈陽(yáng)性，有些呈陰性。根據(jù)圖像灰度的不同，將陽(yáng)性樣點(diǎn)識(shí)別出來(lái)。關(guān)鍵問(wèn)題在于樣點(diǎn)的自動(dòng)定位與自動(dòng)分割。附錄資料:不需要的可以自行刪除Abstract: Based on the comprehensive analysis on the plastic parts

52、structure service requirement, mounding quality and mould menu factoring cost. A corresponding injection mould of internal side core pulling was designed. By adopting the multi-direction and multi-combination core-pulling. A corresponding injection mould of internal side core pulling was designed, t

53、he working process of the mould was introducedC語(yǔ)言詳解 - 枚舉類(lèi)型注：以下全部代碼的執(zhí)行環(huán)境為VC+ 6.0在程序中，可能需要為某些整數(shù)定義一個(gè)別名，我們可以利用預(yù)處理指令#define來(lái)完成這項(xiàng)工作，您的代碼可能是：#define MON 1#define TUE 2#define WED 3#define THU 4#define FRI 5#define SAT 6#define SUN 7在此，我們定義一種新的數(shù)據(jù)類(lèi)型，希望它能完成同樣的工作。這種新的數(shù)據(jù)類(lèi)型叫枚舉型。1. 定義一種新的數(shù)據(jù)類(lèi)型 - 枚舉型 以下代碼定義了這種新的數(shù)據(jù)類(lèi)

54、型 - 枚舉型enum DAY MON=1, TUE, WED, THU, FRI, SAT, SUN;(1) 枚舉型是一個(gè)集合，集合中的元素(枚舉成員)是一些命名的整型常量，元素之間用逗號(hào),隔開(kāi)。(2) DAY是一個(gè)標(biāo)識(shí)符，可以看成這個(gè)集合的名字，是一個(gè)可選項(xiàng)，即是可有可無(wú)的項(xiàng)。(3) 第一個(gè)枚舉成員的默認(rèn)值為整型的0，后續(xù)枚舉成員的值在前一個(gè)成員上加1。(4) 可以人為設(shè)定枚舉成員的值，從而自定義某個(gè)范圍內(nèi)的整數(shù)。(5) 枚舉型是預(yù)處理指令#define的替代。(6) 類(lèi)型定義以分號(hào);結(jié)束。2. 使用枚舉類(lèi)型對(duì)變量進(jìn)行聲明新的數(shù)據(jù)類(lèi)型定義完成后，它就可以使用了。我們已經(jīng)見(jiàn)過(guò)最基本的數(shù)據(jù)類(lèi)型

55、，如：整型int, 單精度浮點(diǎn)型float, 雙精度浮點(diǎn)型double, 字符型char, 短整型short等等。用這些基本數(shù)據(jù)類(lèi)型聲明變量通常是這樣：char a; /變量a的類(lèi)型均為字符型charchar letter;int x, y, z; /變量x,y和z的類(lèi)型均為整型intint number;double m, n;double result; /變量result的類(lèi)型為雙精度浮點(diǎn)型double既然枚舉也是一種數(shù)據(jù)類(lèi)型，那么它和基本數(shù)據(jù)類(lèi)型一樣也可以對(duì)變量進(jìn)行聲明。方法一：枚舉類(lèi)型的定義和變量的聲明分開(kāi)enum DAY MON=1, TUE, WED, THU, FRI, SAT

56、, SUN;enum DAY yesterday;enum DAY today;enum DAY tomorrow; /變量tomorrow的類(lèi)型為枚舉型enum DAYenum DAY good_day, bad_day; /變量good_day和bad_day的類(lèi)型均為枚舉型enum DAY方法二：類(lèi)型定義與變量聲明同時(shí)進(jìn)行：enum /跟第一個(gè)定義不同的是，此處的標(biāo)號(hào)DAY省略，這是允許的。 saturday, sunday = 0, monday, tuesday, wednesday, thursday, friday workday; /變量workday的類(lèi)型為枚舉型enum D

57、AYenum week Mon=1, Tue, Wed, Thu, Fri Sat, Sun days; /變量days的類(lèi)型為枚舉型enum weekenum BOOLEAN false, true end_flag, match_flag; /定義枚舉類(lèi)型并聲明了兩個(gè)枚舉型變量方法三：用typedef關(guān)鍵字將枚舉類(lèi)型定義成別名，并利用該別名進(jìn)行變量聲明：typedef enum workday saturday, sunday = 0, monday, tuesday, wednesday, thursday, friday workday; /此處的workday為枚舉型enum wor

58、kday的別名workday today, tomorrow; /變量today和tomorrow的類(lèi)型為枚舉型workday，也即enum workdayenum workday中的workday可以省略：typedef enum saturday, sunday = 0, monday, tuesday, wednesday, thursday, friday workday; /此處的workday為枚舉型enum workday的別名workday today, tomorrow; /變量today和tomorrow的類(lèi)型為枚舉型workday，也即enum workday也可以用這種

59、方式：typedef enum workday saturday, sunday = 0, monday, tuesday, wednesday, thursday, friday;workday today, tomorrow; /變量today和tomorrow的類(lèi)型為枚舉型workday，也即enum workday注意：同一個(gè)程序中不能定義同名的枚舉類(lèi)型，不同的枚舉類(lèi)型中也不能存在同名的命名常量。錯(cuò)誤示例如下所示：錯(cuò)誤聲明一：存在同名的枚舉類(lèi)型typedef enum wednesday, thursday, friday workday;typedef enum WEEK satur

60、day, sunday = 0, monday, workday; 錯(cuò)誤聲明二：存在同名的枚舉成員typedef enum wednesday, thursday, friday workday_1;typedef enum WEEK wednesday, sunday = 0, monday, workday_2;3. 使用枚舉類(lèi)型的變量3.1 對(duì)枚舉型的變量賦值。實(shí)例將枚舉類(lèi)型的賦值與基本數(shù)據(jù)類(lèi)型的賦值進(jìn)行了對(duì)比：方法一：先聲明變量，再對(duì)變量賦值#include/* 定義枚舉類(lèi)型 */enum DAY MON=1, TUE, WED, THU, FRI, SAT, SUN ;void ma