放射基礎課件

1、醫(yī)學圖像基礎contents圖像數(shù)據(jù)格式灰度直方圖偽彩色與假彩色圖像體數(shù)據(jù)集圖像插值技術圖像形狀和紋理量化 圖像數(shù)據(jù)格式圖像數(shù)據(jù)格式 -bmp圖像格式文件頭定義名稱類型字段說明文件類型WORDbftype規(guī)定文件類型必須是BM文件大小DWORDbfsize文件大小由字節(jié)數(shù)給出保留字段1WORDbfReserved必須置0保留字段2WORDbfReserved2必須置0數(shù)據(jù)偏移DWORDbfoffBits點陣位圖數(shù)據(jù)區(qū)的偏移字節(jié)數(shù)圖像數(shù)據(jù)格式 -bmp圖像格式名稱類型說明biSizeDWORD文件頭的字節(jié)biWidthDWORD圖形寬度（列數(shù)）biHeightDWORD圖像高度（行數(shù)）biPla

2、nesWORD目標設備的位平面數(shù)，必須為1biBitCountWORD每個象素的位數(shù)，1，4，8，或24位圖信息數(shù)據(jù)圖像數(shù)據(jù)格式 -bmp圖像格式顏色表名稱類型說明rgbBlueBYTE象素顏色中藍色成分rgbBlueBYTE象素顏色中綠色成分rgbBlueBYTE象素顏色中紅色成分rgbReservedBYTE未使用，必須為0圖像數(shù)據(jù)格式 -bmp圖像格式位圖數(shù)據(jù)長度由圖像尺寸,象素位數(shù),壓縮方式等共同決定.由于存儲要求,圖像的列數(shù)必須為4的整數(shù)倍BMP文件的數(shù)據(jù)格式可以分為兩大類:使用顏色表型和直接數(shù)據(jù)區(qū)型 biBitCount值為1，4，8時數(shù)據(jù)區(qū)存放顏色索引，24時為直接數(shù)據(jù)灰度直方圖

3、概念對灰度進行統(tǒng)計，在同一灰度上的象素統(tǒng)計到一起，形成一直方圖灰度直方圖灰度直方圖反映的是圖象灰度的統(tǒng)計信息，不包括空間位置信息從直方圖可以看出圖象的總體性質歸一化直方圖 彩色圖像直方圖受人眼分辨率的限制，無法對相隔過進的灰度進行分辯，我們使用映射的方法將直方圖分開些。一般使用線性映射。P(r)r是原來的直方圖,P(s)s是變換后的直方圖，sr的映射關系為：偽彩色金屬色模擬金屬加熱過程，將原灰度圖象中象素的灰度按數(shù)值大小映射為相應的顏色彩虹色將圖象灰度模擬可見光光譜中多種顏色轉換。順序不限于七色，只要有色彩與灰度值對應關系就可以了假彩色只是為了突出圖象中感興趣的區(qū)，以便與周圍的區(qū)域分開人為地賦

4、予某些區(qū)域特定的顏色，而與原灰度圖沒有定量的關系體數(shù)據(jù)集及其文件格式許多醫(yī)學圖象采集數(shù)據(jù)為體數(shù)據(jù)集，其雖為三維，但是仍以一維存放文件格式包含文件頭文件類型，病人ID，圖象類型，分辨率，顏色等數(shù)據(jù)區(qū)每一層面逐行逐個存放 圖象插值技術插值概念從已有的數(shù)據(jù)點產生新的數(shù)據(jù)點的技術稱為插值技術從y1,y2計算需使用外延法二維圖像灰度插值方法-最近鄰插值用四個相鄰格點中 與 最近的點的灰度值作為該點灰度值二維圖像灰度插值方法-雙線性插值法第一步：第二步：最后：做垂直方向插值二維圖像灰度插值方法-三次多項式插值法三維圖像灰度插值方法-NN法與二維圖象一樣，用8個相鄰角點中與G點最近的點的灰度值作為該點灰度值

5、 G三維圖像灰度插值方法-三線性插值首先得到與點G所在的體素 相交于A，B，C，D四點在X方向上做四次線性插值再得到E，F(xiàn)兩點，做兩次線性插值最后在Z方向再做1次線性插值 D A F E G C B 圖像形狀和紋理量化形狀量化區(qū)域圓度為常用的形狀測度，用分割區(qū)域的周長P和面積A定義隨著圖形復雜度增加，C的值也增加 形狀量化空間矩一個大小文N*M的圖像f(I,j),它的二維P+Q階矩定義為對平移不變的中心矩定義為形狀量化空間矩（cont）可以定義尺度不變的中心矩可以將不同階的尺度不變的中心矩組合構成一組對平移，尺度，旋轉都不變的描述子形狀量化徑向距離測度將結構邊界先轉換為一維信號，再進行分析。例

6、如計算從區(qū)域中心到每個象素邊界的徑向距離，d(n)歸一化后得到尺度不變的r(n)還可以給予d(n)定義一些統(tǒng)計矩，進一步得到平移，旋轉和尺度都不變的矩形狀量化鏈碼一個區(qū)域的形狀可以用對其邊界上的連續(xù)點的相對位置量化的方法實現(xiàn)3 2 14 p 05 6 7 形狀量化Fourier描述子二維區(qū)域輪廓上的每個象素都可以用一個復數(shù)表示,實部和虛部分別代表象素的x,y坐標。該序列的Fourier變換：d(u)包含輪廓的全部信息，輪廓主要信息包含在d(u)前幾項中形狀量化細化算法骨架提取迭代算法根據(jù)臨近關系判斷是否將一個邊界點從二值化結構輪廓中刪除，從而實現(xiàn)輪廓細化使用迭代算法,計算一個象素和其相鄰象素的

7、關系，以判斷是否可以將其刪除P9 P2 P3P8 P1 P4P7 P6 P5 紋理量化圖象平滑區(qū)包含灰度較接近，粗糙區(qū)的灰度變化較大，所以用區(qū)域直方圖的統(tǒng)計矩描述最好一個圖象區(qū)域有K個灰度等級，灰度均值是u,直方圖h(k)，則直方圖均值的n階矩定義為二階矩描述圖象的視覺粗糙程度且相對易于計算。三階矩反映直方圖的不對稱性。四階矩反映直方圖的均勻性紋理量化灰度共生矩陣圖象中相距 的兩個灰度象素對同時出現(xiàn)的聯(lián)合頻率數(shù)可用一個灰度共生矩陣表示圖象有K個灰度等級，則矩陣大小為K*K1023121232112320123210222112320223210300321002900014其灰度共生矩陣 為紋理量化灰度共生矩陣（cont）對更一般的情況，設圖象尺寸是M行N列。4個主要方向象素對總數(shù)P的值為歸一化灰度共生矩陣元素定義為基于歸一化灰度共生矩陣可以定義一系列的紋理測度（公式略）紋理量化譜測度當圖象的紋理具有周期性或者接近周期性時，用Fourier變化對紋理描述更為合理。一個大小為M*N的圖象f(x,y