B超图像处理设计说明书解析.docx
- 文档编号:1248578
- 上传时间:2022-10-19
- 格式:DOCX
- 页数:16
- 大小:538.44KB
B超图像处理设计说明书解析.docx
《B超图像处理设计说明书解析.docx》由会员分享,可在线阅读,更多相关《B超图像处理设计说明书解析.docx(16页珍藏版)》请在冰豆网上搜索。
B超图像处理设计说明书解析
燕山大学
课程设计说明书
题目:
B超图像识别技术研究
学院(系):
电气工程学院
年级专业:
09医疗仪器
学号:
学生姓名:
指导教师:
孟辉赵勇
教师职称:
讲师讲师
燕山大学课程设计(论文)任务书
院(系):
电气工程学院基层教学单位:
电气工程系
学号
学生姓名
专业(班级)
医疗仪器与康复工程1班
设计题目
基于MATLAB的B超图像处理技术研究
设
计
参
数
中直滤波:
k1=medfilt2(I2);
自适应滤波k2=wiener2(I2,[5,5])
小波降噪法k3=wdencmp('gbl',I2,'sym4',2,thr,sorh,keepapp)
全局门限值subplot(2,2,3);
二值化分割阈值:
level=graythresh(I2)
设
计
要
求
熟悉MATLAB软件;
掌握B超图像的图像灰度化、截图、值值滤波、自适应滤波、小波降噪法等程序编写
工
作
量
学习概念基本知识;
编写相应软件;
完成课程设计报告一份。
工
作
计
划
1天:
查资料,确定题目;2天:
编写任务书及审定;3天:
编写及调试程序;4天:
编写说明书;5天答辩。
参考资料
阮秋琦.数字图像处理学[M].北京:
电子工业出版社,2001.
苗凤君.B超图像数据采集及其计算机图像处理技术.中原工学院学报,2002,12
朱晓荣.数字图像处理及其应用研究[D].河海大学,2001年
指导教师签字
孟辉赵勇
基层教学单位主任签字
徐永红
说明:
此表一式四份,学生、指导教师、基层教学单位、系部各一份
摘要:
数字图像处理的研究目的是将原图像的灰度分布作某种变换,使图像中的某部分信息更加突出,以便其适应于某种特殊的需求。
本文针对B超图像的识别技术作简要阐述,并对图像处理的各部分用MATLAB软件进行编程运行,给出各部分处理后图像。
关键词:
B超图像;图像识别技术;图像预处理
1课题背景
1.1B超图像识别技术研究意义
数字图像处理(DigitalImageProcessing)又称为计算机图像处理,它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
在数字图像处理过程中,输入的是质量低的图像,输出的是改善质量后的图像。
数字图像处理技术研究内容很多,主要包括以下几个方面:
图像变换、图像编码压缩、图像增强和复原、图像分割、图像描述图像识别等。
数字图像处理具有再现性好、处理精度高、适用面广、灵活性高、成本低等优点。
在图像研究领域中图像特征的研究是一重要的研究方向。
人们观察图像时主要通过观察图像纹理、亮度、几何等关键特征,从而来识别理解图像。
实际上通过图像特征的提取匹配不仅用于图像识别,还可以用于图像分割、配准、拼接等各个方面。
对图像特征的研究已经取得了很多研究成果,随着人们探知世界的深入,对图像特征的研究将更加重要。
B超成像的基本原理就是:
向人体发射一组超声波,按一定的方向进行扫描。
根据监测其回声的延迟时间,强弱就可以判断脏器的距离及性质。
经过电子电路和计算机的处理,形成了现在的B超图像。
B超的关键部件就是超声探头(Probe),其内部有一组超声换能器,是由一组具有压电效应的特殊晶体制成。
这种压电晶体具有特殊的性质,就是在晶体特定方向上加上电压,晶体会发生形变,反过来当晶体发生形变时,对应方向上就会产生电压,实现了电信号与超声波的转换。
超声成像技术由于其无损伤、非侵入性、重复性好,且对软组织有较高的灵敏度和分辨率而获得了广泛的应用,但B超图像和CT、X光及核磁共振等其它医学图像相比,具有分辨率差,灰度级别少,灰度分布范围窄,有一定噪声干扰,各组织和器官之间没有明显的灰度变化等不利因素。
而近年来,利用工程方法分析图像的研究取得了明显的效果。
MATLAB是一款强大的图像处理工具,在MATLAB环境中可以方便、快速、有效地实现复杂图像处理算法,既是一种直观、高效的计算机语言,同时又是一个科学计算平台。
它为数据分析和数据可视化、算法和应用程序开发提供了最核心的数学和高级图形工具。
根据它提供的500多个数学和工程函数,工程技术人员和科学工作者可以在它的集成环境中交互或编程以完成各自的计算。
1.2图像识别技术研究现状
图像处理作为一门学科大约形成于20世纪60年代初期。
早期的图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。
图像处理中,输入的是原始的质量低的图像,输出的是改善质量后的高质量的图像。
从20世纪70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展。
很多国家投入更多的人力、物力到数字图像处理的研究中,并取得了丰硕的成果。
数字图像处理技术的应用领域遍及众多行业、各学科,已经渗透到工业、医疗保健、航空航天、军事等各个领域。
最典型的应用是在军事公安方面的应用。
例如将来自卫星的图像用于军事侦察,以地形匹配实现精确轰炸,用图像处理技术实现动目标跟踪等等。
图像处理技术在公安方面的应用有两个突出的成果,即指纹的查询、识别及人像的组合、查询和识别。
指纹破案和人像破案属于技术型破案,已为许多公安部门所重视。
在普通消费领域,VCD、DVD等基于图像压缩技术的设备也已成为人们的普通娱乐设施。
2B超图像处理步骤及基本原理
本论文以脂肪瘤的B超图像为例,围绕着通过MATLAB图像处理工具箱对该图像的去噪、增强、边缘轮廓提取等多种图像处理的过程及结果进行了比较研究,在验证各种方法的有效性的同时,选取其最优化处理方法;并对针对影像医生非编程人员的特点说明通过MATLAB实现全部处理过程自动实现的方法,方便医生在此基础上自行研究改进处理方法,这对于二维医学数字图像处理的研究有着重要的现实意义。
2.1图像灰度化处理
在进行轮廓提取之前,必须进行预处理。
图像预处理的任务就是抑制噪声,增强细节,改善图像质量,为特征提取等后续处理提供一幅高信噪比的优质图像。
B超图像存在着噪声大,灰阶少,对比度差等不足,而且常出现回声失落等现象,导致轮廓残缺不全,因此,对预处理提出了较高的要求.作者尝试了大量算法,实验表明,针对不同种类的图像,相同算法具有不同的处理效果,而且对相同图像进行预处理的效果,不仅与算法有关,还与处理的顺序密切相关.然而,现有的图像预处理算法大多没有考虑后续处理的要求,针对B超图像处理的效果也很不明显,所以在现有算法的基础上进行改造、创新,经反复的实验分析,找到了较适合于B超图像的预处理方法。
在实际运用中,采用的方法是对原始的B超图像先进行保持边缘的平滑化滤波,再进行直方图均衡化增强,这样能很好地完成图像预处理的任务。
实践证明,该处理方法能为轮廓提取提供一幅好的数字图像。
预处理的第一步就是对图像进行灰度化处理。
2.1.1基本原理与实现方法
将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。
彩色图像中的每个像素的颜色有R、G、B三个分量决定,而每个分量有255个中值可取,这样一个像素点可以有1600多万(255×255×255)的颜色的变化范围。
而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像,其中一个像素点的变化范围为255种,所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。
灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。
在RGB模型中,如果R=G=B时,则彩色表示一种灰度颜色,其中R=G=B的值叫做灰度值。
因此,灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值),灰度范围为0-255。
图像的灰度化处理,一般有以下三种设计方案:
(1)加权平均法
根据重要性及其它指标,将三个分量以不同的权值进行加权平均。
由于人眼对绿色的敏感最高,对蓝色敏感最低,因此,对RGB三分量进行加权平均能得到较合理的灰度图像。
根据重要性及其它指标,将R、G、B三个分量以不同的权值进行加权平均。
由于人眼对绿色的敏感度最高,对蓝色敏感度最低。
因此,我们可以按下式,对RGB三分量进行加权平均能得到较合理的灰度图像。
f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))
(2)平均值法
求出每个像素点的R、G、B三个分量的平均值,然后将彩色图像中的这个平均值赋予给这个像素的三个分量。
将彩色图像中的R、G、B三个分量的亮度求简单的平均值,将得到均值作为灰度值输出而得到灰度图。
其表达式见下式:
f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3
(3)最大值法
将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。
将彩色图像中的R、G、B三个分量中亮度的最大值作为灰度图的灰度值。
其表达式见下式:
f(i,j)=max(R(i,j),G(i,j),B(i,j))
本论文对原始图像灰度化处理采用的是加权平均法。
2.1.2实现程序及分析
I=imread('D:
\2.png');
figure;
B=imshow(I);
I1=im2double(I);%数据转换
I1=rgb2gray(I1);%灰度转换
imshow(I1)
通过imread()函数读出图像数据,’’内是图像所存放地址和图像格式;通过figure,imshow(I)显示出彩色图片,把图像数据赋值给变量I,本文运用rgb2gray()函数实现彩色图像到灰度图像的转换,经数据变换、后赋值给变量I1,imshow(I1)将灰度图片显示出来。
变换后图像如下:
图1原始脂肪瘤B超图像
图2灰度化后的B超图像
2.2截图
截图处理部分所做的工作就是从图像上截取最有用、最感兴趣的部分,为下面的处理做准备。
实现程序及分析
I2=imcrop(I1);
imshow(I2)
提取目标图像中的任意部分,公式:
imcrop('图象名',[x起点,y起点,x宽度,y宽度]。
matlab中,用函数imcrop实现对图像的剪切操作。
该操作剪切的是图像中的一个矩形子图,用户可以通过参数指定这个矩形四个顶点的坐标,也可以交互地用鼠标选取这个矩形。
截取后图像如下:
图3截图处理后的图像
2.3图像去噪
现代医学B超图像,其图像在形成过程中由于受到X射线源固有噪声、量子涨落、电子光学系统成像噪声、机械噪声、信道噪声及在成像链中其它组合元件带入噪声的影响,特别是当波长与照射物体表面粗糙度相当时,就会产生斑点噪声,这一现象可以用随机散射模型来解释。
这些噪声的存在可使获得的图像不清晰,尤其是掩盖和降低了图像某些细节信息,为以后的图像识别及病情诊断造成不利的影响.因此,为了抑制这些噪声,改善图像质量,必须对图像进行降噪处理.本部分针对脂肪瘤B超图像分别采用中值滤波、自适应滤波和小波阈值降噪处理这三种方法,对同一图像进行了处理,并对三种方法的效果作了对比。
2.3.1三种降噪方法的原理
2.3.1.1中值滤波法
对受到噪声污染的图像降噪可以采用线性滤波,但多数线性滤波是低通滤波,在去除噪声的同时也使图像的边缘变的模糊,丢失了有用信息,而中值滤波是一种非线性滤波,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 超图 处理 设计 说明书 解析
![提示](https://static.bdocx.com/images/bang_tan.gif)