醫(yī)學(xué)圖像增強(qiáng)2課件

醫(yī)學(xué)影像圖像處理生物醫(yī)學(xué)工程系醫(yī)學(xué)影像圖像處理生物醫(yī)學(xué)工程系13.1圖像增強(qiáng)的目的、特點(diǎn)和方法一、目的：改善圖像視覺效果，便于觀察和分析便于人工或機(jī)器對(duì)圖像的進(jìn)一步處理二、特點(diǎn)：人為地突出圖像中的部分細(xì)節(jié)，壓制另外一部分信號(hào)在不考慮圖像降質(zhì)原因的條件下，用經(jīng)驗(yàn)和試探的方法進(jìn)行加工尚無(wú)統(tǒng)一的質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)，無(wú)法定量衡量處理效果的優(yōu)劣3.1圖像增強(qiáng)的目的、特點(diǎn)和方法一、目的：二、特點(diǎn)：2需要注意的問(wèn)題：處理時(shí)應(yīng)考慮人眼的視覺特性和硬件的表現(xiàn)能力，達(dá)到合理的匹配處理時(shí)必須考慮處理目的，選用合適的方法需要注意的問(wèn)題：3三、處理技術(shù)分類從處理方法分類頻域方法全局處理局部處理（ROI）灰度圖像(偽)彩色圖像從處理對(duì)象分類從處理策略分類點(diǎn)處理（灰度變換）鄰域方法（空域?yàn)V波）空域方法從處理目的分類圖像銳化平滑去噪灰度調(diào)整三、處理技術(shù)分類從處理方法分類頻域方法全局處理局部處理（RO43.2灰度直方圖與圖像的點(diǎn)處理一、灰度直方圖：圖像中像素灰度分布的概率密度函數(shù)連續(xù)圖像：設(shè)A(r)代表灰度小于r的所有像素的面積，則數(shù)字圖像：設(shè)圖像尺寸為M×N，共有K級(jí)灰度，并且具有灰度級(jí)rk的像素?cái)?shù)為g(rk)，則有：3.2灰度直方圖與圖像的點(diǎn)處理一、灰度直方圖：圖5二、直方圖的均衡化均衡化：將原始圖像的直方圖變換為均勻分布的形式，從而增加像素灰度值的動(dòng)態(tài)范圍，達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。方法：計(jì)算累計(jì)分布函數(shù)(CumulativeDistributionFunction,CDF)，并將其作為灰度變換函數(shù)s=T(r),從而將原始圖像的關(guān)于灰度r的分布直方圖，轉(zhuǎn)換為關(guān)于灰度s的均勻分布。二、直方圖的均衡化均衡化：將原始圖像的直方圖變換為均勻分布的6原理：從灰度直方圖定義出發(fā)加以證明，設(shè)圖像面積為A0，其灰度已經(jīng)進(jìn)行歸一化處理原理：從灰度直方圖定義出發(fā)加以證明，設(shè)圖像面積為A0，7例題：給定一幅圖像的灰度分布概率密度函數(shù)為:P(r)=-2r+2 0≤r≤10 其它對(duì)其進(jìn)行均衡化處理rS=T(r)222rP(r)例題：給定一幅圖像的灰度分布概率密度函數(shù)為:P(r)=-28數(shù)字圖像的直方圖均衡化：計(jì)算公式：數(shù)字圖像的直方圖均衡化：計(jì)算公式：9均衡化效果實(shí)例：均衡化效果實(shí)例：10均衡化效果實(shí)例（續(xù)）：均衡化效果實(shí)例（續(xù)）：11均衡化效果實(shí)例（續(xù)）：均衡化效果實(shí)例（續(xù)）：12均衡化效果實(shí)例（續(xù)）：均衡化效果實(shí)例（續(xù)）：133.3空域?yàn)V波增強(qiáng)一、原理和分類原理：利用相鄰像素的關(guān)系進(jìn)行圖像增強(qiáng)，常借助模板進(jìn)行鄰域操作。分類銳化平滑非線性線性非線性線性§3.3.1概述3.3空域?yàn)V波增強(qiáng)一、原理和分類原理：利用相鄰像素的關(guān)系進(jìn)14二、空域線性濾波的算法－模板操作將模板在圖中漫游，并將模板中心與某像素重合將模板系數(shù)與模板下對(duì)應(yīng)像素相乘將所有乘積相加將上述求和結(jié)果賦予模板中心對(duì)應(yīng)像素K1,1K1,0K1,-1K0,1K0，0K0,-1K-1,1K-1,0K-1,-1模板二、空域線性濾波的算法－模板操作將模板在圖中漫游，并將模15三、空域線性濾波運(yùn)算的原理－空域卷積三、空域線性濾波運(yùn)算的原理－空域卷積16四、模板的可分解性：0-a0-a1+4a-a0-a0000010000000-aa00000000a00-a00000a-a0000-a00a0000四、模板的可分解性：0-a0-a1+4a-a0-a0000017§3.3.2圖像銳化銳化的目的：對(duì)正常圖像，通過(guò)銳化提取邊緣、輪廓、線條等信息，供進(jìn)一步識(shí)別通過(guò)加重圖像輪廓克服降質(zhì)，以達(dá)到更好的視覺效果§3.3.2圖像銳化銳化的目的：對(duì)正常圖像，通18圖像細(xì)節(jié)的灰度變化特性掃描線灰度漸變孤立點(diǎn)細(xì)線灰度躍變圖像細(xì)節(jié)的灰度分布特性平坦段圖像細(xì)節(jié)的灰度變化特性掃描線灰度漸變孤立點(diǎn)細(xì)線灰度躍變圖像細(xì)19三、常見的銳化方法1.單方向一階銳化單方向的一階銳化是指對(duì)某個(gè)特定方向上的邊緣信息進(jìn)行增強(qiáng)2.無(wú)方向一階銳化Roberts,Sobel,Priwitt銳化3.二階銳化拉普拉斯銳化三、常見的銳化方法1.單方向一階銳化201.1水平方向一階銳化1232121262308761278623269000000-3-13-2000-6-13-130011250000001*1+2*2+1*3-1*3-2*0-1*8=-3問(wèn)題：計(jì)算結(jié)果中出現(xiàn)了小于零的像素值1.1水平方向一階銳化1232121262308761278211.2垂直方向一階銳化1232121262308761278623269000000-7-17400-16-25500-17-22-30000001*1+2*2+1*3-1*3-2*2-1*8=-7問(wèn)題：計(jì)算結(jié)果中出現(xiàn)了小于零的像素值1.2垂直方向一階銳化123212126230876127822銳化后處理方法1：整體加一個(gè)正整數(shù)，以保證所有的像素值均為正。這樣做的結(jié)果是：可以獲得類似浮雕的效果。2020202020201770202014772020213225202020202020000000-3-13-2000-6-13-13001125000000銳化后處理方法1：整體加一個(gè)正整數(shù)，以保證所有的像20223方法2：將所有的像素值取絕對(duì)值。這樣做的結(jié)果是，可以獲得對(duì)邊緣的有方向提取。000000313200061313001125000000000000-3-13-2000-6-13-13001125000000方法2：將所有的像素值取絕對(duì)值。00000031320242.無(wú)方向一階銳化（1）交叉微分算法（Roberts算法）計(jì)算公式如下：2.無(wú)方向一階銳化（1）交叉微分算法（Roberts算法）計(jì)25

Sobel、Priwitt銳化算法的計(jì)算公式如下：其中，Sobel、Priwitt銳化算法的計(jì)算公式如下：其中，26Sobel銳化Prewitt銳化Sobel銳化Prewitt銳化273.二階銳化從圖像的景物細(xì)節(jié)的灰度分布特性可知，有些灰度變化特性一階微分的描述不是很明確，為此，采用二階微分能夠更加獲得更豐富的景物細(xì)節(jié)。3.二階銳化從圖像的景物細(xì)節(jié)的灰度分布特性可知，有些灰度變化28第三章醫(yī)學(xué)圖像增強(qiáng)2課件29上式對(duì)應(yīng)的卷積和為常用的拉普拉斯卷積核為上式對(duì)應(yīng)的卷積和為常用的拉普拉斯卷積核為30拉普拉斯銳化拉普拉斯銳化31§3.3.3圖像平滑一、平滑的目的：抑制或消除噪聲作為其它處理的前處理§3.3.3圖像平滑一、平滑的目的：抑制或消除噪聲32二、平滑的算子01/501/51/51/501/501/91/91/91/91/91/91/91/91/9鄰區(qū)平均1/101/101/101/101/51/101/101/101/101/161/81/161/81/41/81/161/81/16加權(quán)平均選擇平均：參考AnnScher,etal.,SomeNewImageSmoothingtechnique,IEEETrans.SMCVol.SMC10,No3二、平滑的算子01/501/51/51/501/501/9133三、線性平滑算子特性的分析1/91/91/91/91/91/91/91/91/9以右側(cè)的3×3鄰區(qū)平均模板為例：三、線性平滑算子特性的分析1/91/91/91/91/9134四、非線性平滑濾波器－中值濾波，百分比濾波，最大值濾波，最小值濾波中值濾波是將選定的奇數(shù)像素窗口內(nèi)的各像素灰度按大小排隊(duì)，用中間的灰度值代替窗口中原圖像中間位置的像素。因此是一種非線性濾波。四、非線性平滑濾波器－中值濾波，百分比濾波，最大值濾波，最35第三章醫(yī)學(xué)圖像增強(qiáng)2課件36百分比濾波與中值濾波類似，是將選定的奇數(shù)像素窗口內(nèi)的各像素灰度按大小排隊(duì)，用最接近某個(gè)亮度百分比的灰度值代替窗口中原圖像中間位置的像素。最大值濾波最小值濾波方法與上述類似，用于檢測(cè)圖像中最亮的點(diǎn)。方法與上述類似，用于檢測(cè)圖像中最暗的點(diǎn)。百分比濾波與中值濾波類似，是將選定的奇數(shù)像素窗口內(nèi)的各像素灰373.4頻域?yàn)V波增強(qiáng)§3.4.1概述頻域?yàn)V波處理的一般方法：G(u,v)=H(u,v)F(u,v)f(x,y)F(u,v)G(u,v)g(x,y)變換乘H(u,v)反變換因此：頻域?yàn)V波處理的關(guān)鍵是選取合適的濾波器函數(shù)H(u,v)!3.4頻域?yàn)V波增強(qiáng)§3.4.1概述頻域?yàn)V波處理的一38§3.4.2低通濾波一、理想低通濾波器H(u,v)=式中D0是一個(gè)非負(fù)整數(shù)，D(u,v)是從點(diǎn)(u,v)到頻率平面原點(diǎn)的距離。1 當(dāng)D(u,v)≦D00 當(dāng)D(u,v)>D0D(u,v)＝(u2+v2)1/2§3.4.2低通濾波一、理想低通濾波器H(u,v)39理想低通濾波器的處理效果：低頻增強(qiáng)濾波后圖像原圖理想低通濾波器的處理效果：低頻增強(qiáng)濾波后圖像原圖40§3.4.3高通濾波一、理想高通濾波器H(u,v)=0 當(dāng)D(u,v)≦D01 當(dāng)D(u,v)>D0§3.4.3高通濾波一、理想高通濾波器H(u,v)=41理想高通濾波器的處理效果例高頻增強(qiáng)濾波后圖像原圖理想高通濾波器的處理效果例高頻增強(qiáng)濾波后圖像原圖42

§3.5（偽）彩色圖像增強(qiáng)§3.5.1彩色圖像一、顏色的基本物理特征色相：指能夠比較確切地表示某種顏色色別的名稱

明亮度：色彩的明亮程度

純度：色彩的純凈程度，它表示顏色中所含有色成分的比例

§3.5（偽）彩色圖像增強(qiáng)§3.5.1彩色圖像一、顏43二、加色與減色混色二、加色與減色混色44CIE(國(guó)際照明委員會(huì))1931年定義三種標(biāo)準(zhǔn)基色和一組彩色匹配函數(shù)，稱為XYZ顏色模型。任何一種可以混出的色彩Cl都可以表示為：三、標(biāo)準(zhǔn)基色與色彩圖CIE(國(guó)際照明委員會(huì))1931年定義三45為便于討論顏色的性質(zhì)，可以對(duì)配色比例進(jìn)行歸一化處理，定義：其中X，Y，Z稱為標(biāo)準(zhǔn)基色，x,y,z為為配出Cl所需的標(biāo)準(zhǔn)基色的量。為便于討論顏色的性質(zhì)，可以對(duì)配色比例進(jìn)行歸一化處理，定義：其46基于視覺的三刺激理論，認(rèn)為人眼視網(wǎng)膜錐狀細(xì)胞通過(guò)對(duì)三種可見光的刺激強(qiáng)度的相對(duì)比較的感受而區(qū)分顏色。這三種光波分別在630nm，530nm，450nm達(dá)到刺激高峰。這種三刺激理論也是彩色視頻顯示器顯示彩色的機(jī)理。四、RGB顏色模型描述RGB三色混合顏色的模型稱為RGB顏色模型，可配出的顏色Cl

表為：基于視覺的三刺激理論，認(rèn)為人眼視網(wǎng)膜錐狀細(xì)胞通過(guò)對(duì)三種可見光47其中向量R，G，B代表三個(gè)元色坐標(biāo)軸上的單位向量上述配色公式可由R，G，B坐標(biāo)系中的單位立方體表示，坐標(biāo)原點(diǎn)代表黑色，而(1,1,1)代表白色。落在坐標(biāo)軸上的頂點(diǎn)代表三個(gè)基色，而其余的頂點(diǎn)則代表每個(gè)基色的互補(bǔ)色。立方體的對(duì)角線為灰度線。其中向量R，G，B代表三個(gè)元色坐標(biāo)軸上的上述配色公式可由48§3.5.2

灰度切割偽彩色增強(qiáng)灰度切割例§3.5.2灰度切割偽彩色增強(qiáng)灰度切割例49典型的彩色映射曲線之一§3.5.3

從灰度到彩色的映射變換紅映射綠映射藍(lán)映射f(x,y)f(x,y)f(x,y)f(x,y)r(x,y)g(x,y)b(x,y)D/AD/AD/ARGB彩色顯示器rR=TR(r)rG=TG(r)rB=TB(r)rRGB=T(r)藍(lán)青綠黃紅典型的彩色映射曲線之一§3.5.3從灰度到彩色的映50典型的彩色映射曲線之二rB=TB(r)rG=TG(r)rR=TR(r)rRGB=T(r)典型的彩色映射曲線之二rB=TB(r)rG=TG(r)rR=51偽彩色映射處理效果例1偽彩色映射處理效果例152偽彩色映射處理效果例2偽彩色映射處理效果例253偽彩色映射處理效果例1偽彩色映射處理效果例154偽彩色映射處理效果例2偽彩色映射處理效果例255偽彩色映射處理效果例1偽彩色映射處理效果例156偽彩色映射處理效果例2偽彩色映射處理效果例257

二進(jìn)小波圖像增強(qiáng)技術(shù)二進(jìn)小波圖像增強(qiáng)技術(shù)58論文結(jié)構(gòu)引言(簡(jiǎn)要介紹醫(yī)學(xué)圖像增強(qiáng)的研究背景及意義)算法原理(簡(jiǎn)單介紹了本文所用到的數(shù)學(xué)知識(shí))算法流程(提出了一種基于小波變換的模糊域增強(qiáng)算法)結(jié)果與討論（對(duì)圖像增強(qiáng)傳統(tǒng)方法與本文所用算法進(jìn)行比較，驗(yàn)證了該算法的可行性和優(yōu)越性）

結(jié)束語(yǔ)論文結(jié)構(gòu)引言(簡(jiǎn)要介紹醫(yī)學(xué)圖像增強(qiáng)的研究背景及意義)591、引言醫(yī)學(xué)影像是醫(yī)生臨床診斷和治療的重要輔助手段醫(yī)學(xué)圖像在采集、傳輸中會(huì)引入大量噪聲為了提高圖像的可讀性，進(jìn)行更有效的觀察和診斷，對(duì)其進(jìn)行計(jì)算機(jī)處理（去噪、增強(qiáng)）就顯得非常必要1、引言醫(yī)學(xué)影像是醫(yī)生臨床診斷和治療的重要輔助手段602、研究現(xiàn)狀傳統(tǒng)方法：頻域?yàn)V波（低通濾波、wiener濾波），空域?yàn)V波（中值濾波）新方法：1、經(jīng)典的圖像增強(qiáng)方法的改進(jìn)2、基于小波變換的圖像增強(qiáng)技術(shù)3、基于神經(jīng)網(wǎng)絡(luò)、模擬退火法、遺傳算法的圖像增強(qiáng)技術(shù)4、基于數(shù)字形態(tài)學(xué)的圖像增強(qiáng)技術(shù)，如基于粗糙集理論、模糊數(shù)學(xué)的增強(qiáng)方法。2、研究現(xiàn)狀傳統(tǒng)方法：頻域?yàn)V波（低通濾波、wiener濾波）613、算法流程圖3、算法流程圖624、結(jié)果與討論4、結(jié)果與討論63軟閾值去噪圖像的噪聲主要分布在高頻區(qū)域經(jīng)小波分解后，信號(hào)的小波系數(shù)幅值要大于噪聲的系數(shù)幅值，可以認(rèn)為，幅值比較大的小波系數(shù)一般以信號(hào)為主，而幅值比較小的系數(shù)在很大程度上是噪聲軟閾值函數(shù)軟閾值去噪圖像的噪聲主要分布在高頻區(qū)域64第三章醫(yī)學(xué)圖像增強(qiáng)2課件65第三章醫(yī)學(xué)圖像增強(qiáng)2課件66模糊域增強(qiáng)模糊子集，隸屬函數(shù)

設(shè)U=(x)是一個(gè)集合，μ(x)是定義在U上并在[0,1]區(qū)間中取值的一個(gè)函數(shù)，則μ(x)刻劃了U中的一個(gè)模糊子集A，我們稱U是論域，A是U的模糊子集，μ(x)是A的隸屬函數(shù)。最大隸屬度原則最大隸屬度原則就是認(rèn)為元素隸屬于隸屬度最大的集合。模糊域增強(qiáng)67模糊域增強(qiáng)流程圖F：隸屬函數(shù)T：模糊增強(qiáng)算子F’：逆映射（F的反函數(shù)）模糊域增強(qiáng)流程圖F：隸屬函數(shù)T：模糊增強(qiáng)算子F’：逆映射（F68低頻分量增強(qiáng)效果低頻分量增強(qiáng)效果69重構(gòu)重構(gòu)70結(jié)果討論結(jié)果分析：1、高頻去噪和低頻增強(qiáng)都取得了很好的效果2、重構(gòu)后的圖像不太理想存在問(wèn)題：1、邊緣模糊，低頻模糊域增強(qiáng)引起的。2、重構(gòu)后圖像對(duì)比度下降解決方法：1、改進(jìn)模糊算法2、改進(jìn)重構(gòu)方法，或?qū)χ貥?gòu)后的圖像進(jìn)行處理結(jié)果討論結(jié)果分析：1、高頻去噪和低頻增強(qiáng)都取得了很好71醫(yī)學(xué)影像圖像處理生物醫(yī)學(xué)工程系醫(yī)學(xué)影像圖像處理生物醫(yī)學(xué)工程系723.1圖像增強(qiáng)的目的、特點(diǎn)和方法一、目的：改善圖像視覺效果，便于觀察和分析便于人工或機(jī)器對(duì)圖像的進(jìn)一步處理二、特點(diǎn)：人為地突出圖像中的部分細(xì)節(jié)，壓制另外一部分信號(hào)在不考慮圖像降質(zhì)原因的條件下，用經(jīng)驗(yàn)和試探的方法進(jìn)行加工尚無(wú)統(tǒng)一的質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)，無(wú)法定量衡量處理效果的優(yōu)劣3.1圖像增強(qiáng)的目的、特點(diǎn)和方法一、目的：二、特點(diǎn)：73需要注意的問(wèn)題：處理時(shí)應(yīng)考慮人眼的視覺特性和硬件的表現(xiàn)能力，達(dá)到合理的匹配處理時(shí)必須考慮處理目的，選用合適的方法需要注意的問(wèn)題：74三、處理技術(shù)分類從處理方法分類頻域方法全局處理局部處理（ROI）灰度圖像(偽)彩色圖像從處理對(duì)象分類從處理策略分類點(diǎn)處理（灰度變換）鄰域方法（空域?yàn)V波）空域方法從處理目的分類圖像銳化平滑去噪灰度調(diào)整三、處理技術(shù)分類從處理方法分類頻域方法全局處理局部處理（RO753.2灰度直方圖與圖像的點(diǎn)處理一、灰度直方圖：圖像中像素灰度分布的概率密度函數(shù)連續(xù)圖像：設(shè)A(r)代表灰度小于r的所有像素的面積，則數(shù)字圖像：設(shè)圖像尺寸為M×N，共有K級(jí)灰度，并且具有灰度級(jí)rk的像素?cái)?shù)為g(rk)，則有：3.2灰度直方圖與圖像的點(diǎn)處理一、灰度直方圖：圖76二、直方圖的均衡化均衡化：將原始圖像的直方圖變換為均勻分布的形式，從而增加像素灰度值的動(dòng)態(tài)范圍，達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。方法：計(jì)算累計(jì)分布函數(shù)(CumulativeDistributionFunction,CDF)，并將其作為灰度變換函數(shù)s=T(r),從而將原始圖像的關(guān)于灰度r的分布直方圖，轉(zhuǎn)換為關(guān)于灰度s的均勻分布。二、直方圖的均衡化均衡化：將原始圖像的直方圖變換為均勻分布的77原理：從灰度直方圖定義出發(fā)加以證明，設(shè)圖像面積為A0，其灰度已經(jīng)進(jìn)行歸一化處理原理：從灰度直方圖定義出發(fā)加以證明，設(shè)圖像面積為A0，78例題：給定一幅圖像的灰度分布概率密度函數(shù)為:P(r)=-2r+2 0≤r≤10 其它對(duì)其進(jìn)行均衡化處理rS=T(r)222rP(r)例題：給定一幅圖像的灰度分布概率密度函數(shù)為:P(r)=-279數(shù)字圖像的直方圖均衡化：計(jì)算公式：數(shù)字圖像的直方圖均衡化：計(jì)算公式：80均衡化效果實(shí)例：均衡化效果實(shí)例：81均衡化效果實(shí)例（續(xù)）：均衡化效果實(shí)例（續(xù)）：82均衡化效果實(shí)例（續(xù)）：均衡化效果實(shí)例（續(xù)）：83均衡化效果實(shí)例（續(xù)）：均衡化效果實(shí)例（續(xù)）：843.3空域?yàn)V波增強(qiáng)一、原理和分類原理：利用相鄰像素的關(guān)系進(jìn)行圖像增強(qiáng)，常借助模板進(jìn)行鄰域操作。分類銳化平滑非線性線性非線性線性§3.3.1概述3.3空域?yàn)V波增強(qiáng)一、原理和分類原理：利用相鄰像素的關(guān)系進(jìn)85二、空域線性濾波的算法－模板操作將模板在圖中漫游，并將模板中心與某像素重合將模板系數(shù)與模板下對(duì)應(yīng)像素相乘將所有乘積相加將上述求和結(jié)果賦予模板中心對(duì)應(yīng)像素K1,1K1,0K1,-1K0,1K0，0K0,-1K-1,1K-1,0K-1,-1模板二、空域線性濾波的算法－模板操作將模板在圖中漫游，并將模86三、空域線性濾波運(yùn)算的原理－空域卷積三、空域線性濾波運(yùn)算的原理－空域卷積87四、模板的可分解性：0-a0-a1+4a-a0-a0000010000000-aa00000000a00-a00000a-a0000-a00a0000四、模板的可分解性：0-a0-a1+4a-a0-a0000088§3.3.2圖像銳化銳化的目的：對(duì)正常圖像，通過(guò)銳化提取邊緣、輪廓、線條等信息，供進(jìn)一步識(shí)別通過(guò)加重圖像輪廓克服降質(zhì)，以達(dá)到更好的視覺效果§3.3.2圖像銳化銳化的目的：對(duì)正常圖像，通89圖像細(xì)節(jié)的灰度變化特性掃描線灰度漸變孤立點(diǎn)細(xì)線灰度躍變圖像細(xì)節(jié)的灰度分布特性平坦段圖像細(xì)節(jié)的灰度變化特性掃描線灰度漸變孤立點(diǎn)細(xì)線灰度躍變圖像細(xì)90三、常見的銳化方法1.單方向一階銳化單方向的一階銳化是指對(duì)某個(gè)特定方向上的邊緣信息進(jìn)行增強(qiáng)2.無(wú)方向一階銳化Roberts,Sobel,Priwitt銳化3.二階銳化拉普拉斯銳化三、常見的銳化方法1.單方向一階銳化911.1水平方向一階銳化1232121262308761278623269000000-3-13-2000-6-13-130011250000001*1+2*2+1*3-1*3-2*0-1*8=-3問(wèn)題：計(jì)算結(jié)果中出現(xiàn)了小于零的像素值1.1水平方向一階銳化1232121262308761278921.2垂直方向一階銳化1232121262308761278623269000000-7-17400-16-25500-17-22-30000001*1+2*2+1*3-1*3-2*2-1*8=-7問(wèn)題：計(jì)算結(jié)果中出現(xiàn)了小于零的像素值1.2垂直方向一階銳化123212126230876127893銳化后處理方法1：整體加一個(gè)正整數(shù)，以保證所有的像素值均為正。這樣做的結(jié)果是：可以獲得類似浮雕的效果。2020202020201770202014772020213225202020202020000000-3-13-2000-6-13-13001125000000銳化后處理方法1：整體加一個(gè)正整數(shù)，以保證所有的像20294方法2：將所有的像素值取絕對(duì)值。這樣做的結(jié)果是，可以獲得對(duì)邊緣的有方向提取。000000313200061313001125000000000000-3-13-2000-6-13-13001125000000方法2：將所有的像素值取絕對(duì)值。00000031320952.無(wú)方向一階銳化（1）交叉微分算法（Roberts算法）計(jì)算公式如下：2.無(wú)方向一階銳化（1）交叉微分算法（Roberts算法）計(jì)96

Sobel、Priwitt銳化算法的計(jì)算公式如下：其中，Sobel、Priwitt銳化算法的計(jì)算公式如下：其中，97Sobel銳化Prewitt銳化Sobel銳化Prewitt銳化983.二階銳化從圖像的景物細(xì)節(jié)的灰度分布特性可知，有些灰度變化特性一階微分的描述不是很明確，為此，采用二階微分能夠更加獲得更豐富的景物細(xì)節(jié)。3.二階銳化從圖像的景物細(xì)節(jié)的灰度分布特性可知，有些灰度變化99第三章醫(yī)學(xué)圖像增強(qiáng)2課件100上式對(duì)應(yīng)的卷積和為常用的拉普拉斯卷積核為上式對(duì)應(yīng)的卷積和為常用的拉普拉斯卷積核為101拉普拉斯銳化拉普拉斯銳化102§3.3.3圖像平滑一、平滑的目的：抑制或消除噪聲作為其它處理的前處理§3.3.3圖像平滑一、平滑的目的：抑制或消除噪聲103二、平滑的算子01/501/51/51/501/501/91/91/91/91/91/91/91/91/9鄰區(qū)平均1/101/101/101/101/51/101/101/101/101/161/81/161/81/41/81/161/81/16加權(quán)平均選擇平均：參考AnnScher,etal.,SomeNewImageSmoothingtechnique,IEEETrans.SMCVol.SMC10,No3二、平滑的算子01/501/51/51/501/501/91104三、線性平滑算子特性的分析1/91/91/91/91/91/91/91/91/9以右側(cè)的3×3鄰區(qū)平均模板為例：三、線性平滑算子特性的分析1/91/91/91/91/91105四、非線性平滑濾波器－中值濾波，百分比濾波，最大值濾波，最小值濾波中值濾波是將選定的奇數(shù)像素窗口內(nèi)的各像素灰度按大小排隊(duì)，用中間的灰度值代替窗口中原圖像中間位置的像素。因此是一種非線性濾波。四、非線性平滑濾波器－中值濾波，百分比濾波，最大值濾波，最106第三章醫(yī)學(xué)圖像增強(qiáng)2課件107百分比濾波與中值濾波類似，是將選定的奇數(shù)像素窗口內(nèi)的各像素灰度按大小排隊(duì)，用最接近某個(gè)亮度百分比的灰度值代替窗口中原圖像中間位置的像素。最大值濾波最小值濾波方法與上述類似，用于檢測(cè)圖像中最亮的點(diǎn)。方法與上述類似，用于檢測(cè)圖像中最暗的點(diǎn)。百分比濾波與中值濾波類似，是將選定的奇數(shù)像素窗口內(nèi)的各像素灰1083.4頻域?yàn)V波增強(qiáng)§3.4.1概述頻域?yàn)V波處理的一般方法：G(u,v)=H(u,v)F(u,v)f(x,y)F(u,v)G(u,v)g(x,y)變換乘H(u,v)反變換因此：頻域?yàn)V波處理的關(guān)鍵是選取合適的濾波器函數(shù)H(u,v)!3.4頻域?yàn)V波增強(qiáng)§3.4.1概述頻域?yàn)V波處理的一109§3.4.2低通濾波一、理想低通濾波器H(u,v)=式中D0是一個(gè)非負(fù)整數(shù)，D(u,v)是從點(diǎn)(u,v)到頻率平面原點(diǎn)的距離。1 當(dāng)D(u,v)≦D00 當(dāng)D(u,v)>D0D(u,v)＝(u2+v2)1/2§3.4.2低通濾波一、理想低通濾波器H(u,v)110理想低通濾波器的處理效果：低頻增強(qiáng)濾波后圖像原圖理想低通濾波器的處理效果：低頻增強(qiáng)濾波后圖像原圖111§3.4.3高通濾波一、理想高通濾波器H(u,v)=0 當(dāng)D(u,v)≦D01 當(dāng)D(u,v)>D0§3.4.3高通濾波一、理想高通濾波器H(u,v)=112理想高通濾波器的處理效果例高頻增強(qiáng)濾波后圖像原圖理想高通濾波器的處理效果例高頻增強(qiáng)濾波后圖像原圖113

§3.5（偽）彩色圖像增強(qiáng)§3.5.1彩色圖像一、顏色的基本物理特征色相：指能夠比較確切地表示某種顏色色別的名稱

明亮度：色彩的明亮程度

純度：色彩的純凈程度，它表示顏色中所含有色成分的比例

§3.5（偽）彩色圖像增強(qiáng)§3.5.1彩色圖像一、顏114二、加色與減色混色二、加色與減色混色115CIE(國(guó)際照明委員會(huì))1931年定義三種標(biāo)準(zhǔn)基色和一組彩色匹配函數(shù)，稱為XYZ顏色模型。任何一種可以混出的色彩Cl都可以表示為：三、標(biāo)準(zhǔn)基色與色彩圖CIE(國(guó)際照明委員會(huì))1931年定義三116為便于討論顏色的性質(zhì)，可以對(duì)配色比例進(jìn)行歸一化處理，定義：其中X，Y，Z稱為標(biāo)準(zhǔn)基色，x,y,z為為配出Cl所需的標(biāo)準(zhǔn)基色的量。為便于討論顏色的性質(zhì)，可以對(duì)配色比例進(jìn)行歸一化處理，定義：其117基于視覺的三刺激理論，認(rèn)為人眼視網(wǎng)膜錐狀細(xì)胞通過(guò)對(duì)三種可見光的刺激強(qiáng)度的相對(duì)比較的感受而區(qū)分顏色。這三種光波分別在630nm，530nm，450nm達(dá)到刺激高峰。這種三刺激理論也是彩色視頻顯示器顯示彩色的機(jī)理。四、RGB顏色模型描述RGB三色混合顏色的模型稱為RGB顏色模型，可配出的顏色Cl

表為：基于視覺的三刺激理論，認(rèn)為人眼視網(wǎng)膜錐狀細(xì)胞通過(guò)對(duì)三種可見光118其中向量R，G，B代表三個(gè)元色坐標(biāo)軸上的單位向量上述配色公式可由R，G，B坐標(biāo)系中的單位立方體表示，坐標(biāo)原點(diǎn)代表黑色，而(1,1,1)代表白色。落在坐標(biāo)軸上的頂點(diǎn)代表三個(gè)基色，而其余的頂點(diǎn)則代表每個(gè)基色的互補(bǔ)色。立方體的對(duì)角線為灰度線。其中向量R，G，B代表三個(gè)元色坐標(biāo)軸上的上述配色公式可由119§3.5.2

灰度切割偽彩色增強(qiáng)灰度切割例§3.5.2灰度切割偽彩色增強(qiáng)灰度切割例120典型的彩色映射曲線之一§3.5.3

從灰度到彩色的映射變換紅映射綠映射藍(lán)映射f(x,y)f(x,y)f(x,y)f(x,y)r(x,y)g(x,y)b(x,y)D/AD/AD/ARGB彩色顯示器rR=TR(r)rG=TG(r)rB=TB(r)rRGB=T(r)藍(lán)青綠黃紅典型的彩色映射曲線之一§3.5.3從灰度到彩色的映121典型的彩色映射曲線之二rB=TB(r)rG=TG(r)rR=TR(r)rRGB=T(r)典型的彩色映射曲線之二rB=TB(r)rG=TG(r)rR=122偽彩色映