MRI图像增强和灰度插值剖析Word文档格式.docx
- 文档编号:16422707
- 上传时间:2022-11-23
- 格式:DOCX
- 页数:34
- 大小:1.15MB
MRI图像增强和灰度插值剖析Word文档格式.docx
《MRI图像增强和灰度插值剖析Word文档格式.docx》由会员分享,可在线阅读,更多相关《MRI图像增强和灰度插值剖析Word文档格式.docx(34页珍藏版)》请在冰豆网上搜索。
四.原理和方法
1、利用Matlab软件的imread函数读入图像,再imfinfo函数获取所给MRI图像信息;
2、根据得到的图像的矩阵信息将图像拆分为大小相等的t1,t2,pd三幅图像并保存;
3、利用imhist函数绘出三幅图像的灰度直方图,再分别用histeq函数,自定义的
twomodegauss函数,imadjust函数对三幅图像进行直方图均衡化,直方图规定化,
Gamma校正增强处理;
4、对t1,t2,pd三幅图像每三点取一点进行采样,再利用imresize函数进行最近邻法,双
线性法及三次多项式插值恢复图象【3】。
五.步骤与结果
1、利用imfinfo函数获取所给MRI图像信息,程序见附录
(1),结果如下:
Width:
520
Height:
284
ColorType:
'
indexed'
由此可知原始MRI图像的宽为520列,高为284行,图像类型是索引图像;
2、利用ind2gray函数将原始图像转换为灰度图像,程序见附录
(1),结果如图1:
图1原始MRI的灰度图像
3、根据得到的图像的矩阵信息将图像拆分为大小相等的t1,t2,pd三幅图像,程序见附
录
(1),结果如图2.1~2.3:
图2.1原始t1加权像的灰度图像
图2.2原始t2加权像的灰度图像
图2.3原始pd质子加权像的灰度图像
4、绘出t1,t2,pd三幅图像的灰度直方图,程序见附录
(2),结果如图3.1~3.3:
图3.1t1加权像的灰度直方图
图3.2t2加权像的灰度直方图
图3.3pd质子加权像的灰度直方图
结果分析:
由三幅加权像的灰度直方图可以看出,脑组织的灰度值主要分布在40-150
之间。
5、图像增强处理
(1)直方图均衡化
利用histeq函数对三幅加权像的灰度图像进行均衡化处理,程序见附录(3),结果如图4.1~4.6:
图4.1t1加权像均衡化后图像
图4.2t1加权像均衡化后图像的灰度直方图
图4.3t2加权像均衡化后图像
图4.4t2加权像均衡化后图像的灰度直方图
图4.5pd加权像均衡化后图像
图4.6pd加权像均衡化后图像的灰度直方图
直方图均衡化的基本思想是把原始图像的直方图变换成均匀分布的形式,这样就增加了图像灰度值的动态范围,从而达到了增强图像整体对比度的效果。
但这种方法的缺点是它对处理的数据不加选择,它可能会增加背景杂讯的对比度,并且降低有用信号的对比度,变换后图像的灰度级减少,某些细节消失。
从而导致三幅加权像均衡化效果不佳。
(2)直方图规定化
利用自定义的一个双峰高斯函数作为规定化函数对三幅加权像的灰度图像进行规定化处理,双峰高斯函数如图5.1,程序见附录(4),规定化程序见附录(5),结果如图5.2~5.7:
图5.1双峰高斯函数
图5.2t1加权像规定化后的图像
图5.3t1加权像规定化后的图像的灰度直方图
图5.4t2加权像规定化后的图像
图5.5t2加权像规定化后的图像的灰度直方图
图5.6pd加权像规定化后的图像
图5.7pd加权像规定化后的图像的灰度直方图
直方图规定化就是通过一个灰度映射函数,将原灰度直方图改造成所希望的直方图。
所以,直方图修正的关键就是灰度映像函数。
这里选择双峰高斯函数作为灰度映射函数,规定化后图像层次清晰,效果较好。
(3)Gamma校正
利用imadjust函数对三幅加权像的灰度图像进行Gamma校正,这里以t1加权像的结果为例,程序见附录(5),结果如图6.1~6.8:
图6.1gamma=0.2时t1加权像的校正图像
图6.2gamma=0.4时t1加权像的校正图像
图6.3gamma=0.6时t1加权像的校正图像
图6.4gamma=0.8时t1加权像的校正图像
图6.5gamma=1.4时t1加权像的校正图像
图6.6gamma=1.8时t1加权像的校正图像
图6.7gamma=2.2时t1加权像的校正图像
图6.8gamma=2.4时t1加权像的校正图像
当gamma>
1时,输入中较宽的低灰度范围被映射到输出中较窄的灰度范围,输入中较窄的高灰度范围被映射到输出中较宽的灰度范围;
这里gamma=1.4时校正图像效果较好。
6、图像插值
(1)对t1,t2,pd三幅加权图像每三点取一点进行采样,然后利用imresize函数分别进行最近邻法,双线性法及三次多项式插值恢复图象,比较不同放大倍数时不同插值方法的效果,这里以t1加权像的插值结果为例,程序见附录(6),结果如图7.1~7.9:
图7.1放大倍数为1时最近邻插值图像
图7.2放大倍数为1时双线性法插值图像
图7.3放大倍数为1时三次多项式插值图像
图7.4放大倍数为2时最近邻插值图像
图7.5放大倍数为2时双线性插值图像
图7.6放大倍数为2时三次多项式插值图像
图7.7放大倍数为3时最近邻插值图像
图7.8放大倍数为3时双线性插值图像
图7.9放大倍数为3时三次多项式插值图像
放大倍数较小时,三种插值方法效果差别不大;
当图像放大倍数较大时,双
线形插值法和三次多项式插值效果较好,最近邻插值效果较差。
(2)插值图像和原始图象进行相减,比较两幅图象在灰度上的差别,统计差值图像的平均值和方差等指标,对插值图象的好坏进行评估:
插值图像与原始图像相减,这里以t1加权像为例,程序见附录(7),结果如图8.1~8.6:
图8.1t1加权像、最近邻插值图像、相减后图像
图8.2最近邻插值图像与t1加权像相减后图像的灰度直方图
图8.3t1加权像、双线性插值图像、相减后图像
图8.4双线性插值图像与t1加权像相减后图像的灰度直方图
图8.5t1加权像、三次多项式插值图像、相减后图像
图8.6三次多项式插值图像与t1加权像相减后图像的灰度直方图
由相减图像的灰度直方图可以看出,最近邻插值法可能会造成插值生成的图像在灰度上的不连续,在灰度变化的地方可能出现明显的锯齿状。
双线性插值法与三次多项式插值法生成的图像在灰度没有不连续的缺点,灰度变化的地方较平滑,结果基本令人满意。
差值图像的平均值和方差,程序见附录(8),结果如表1~表3:
表1插值图像与t1加权像差值图像的均值和方差
插值方法
均值
方差
最近邻
1.9929
10.4356
双线性
1.7257
8.8480
三次多项式
1.6000
7.6375
表2插值图像与t2加权像差值图像的均值和方差
1.6600
9.7840
1.4087
7.2833
1.3138
6.4945
表3插值图像与pd加权像差值图像的均值和方差
1.6362
10.5718
1.4095
7.9868
1.3379
7.4807
由表1~表3可以看出差值图像的均值与方差都是三次多项式插值法最小,双线性插值法次之,最近邻插值法最大,说明三次多项式插值图像效果最好,最近邻插值图像效果最差。
插值图像与原始图像的相关系数,程序见附录(9),结果如表4~表6:
表4插值图像与t1加权像的相关系数
相关系数
0.9632
0.9848
0.9869
表5插值图像与t2加权像的相关系数
0.9695
0.9877
0.9897
表6插值图像与pd加权像的相关系数
0.9777
0.9918
0.9929
由表4~表6可以看出插值图像与原始图像的相关系数都大于0.9,且相差很小,此指标不适合评估不同插值方法的插值效果。
三种不同插值算法的运行时间,程序见附录(10),结果如表7:
表7三幅加权像三种插值法循环100次运行时间
运行时间(s)
0.1350
9.4120
15.2340
由表7可以看出三次多项式插值计算成本最高,双线性插值次之,最近邻插值计算成本最小。
六.结论
1.直方图均衡化可能会增加背景杂讯的对比度,并且降低有用信号的对比度,变换后图像的灰度级减少,某些细节消失。
2.放大倍数较小时,最近邻、双线性、三次多项式三种插值方法效果差别不大;
当图像放大倍数较大时,双线性插值法和三次多项式插值效果较好,最近邻插值效果较差。
3.最近邻插值法会造成插值生成的图像在灰度上的不连续,在灰度变化的地方可能出现明显的锯齿状。
双线性插值法与三次多项式插值法生成的图像在灰度没有不连续的缺点,灰度变化的地方较平滑,结果基本令人满意。
4.从差值图像的均值与方差两个指标来看,都是三次多项式插值法最小,双线性插值法次之,最近邻插值法最大,说明三次多项式插值图像效果最好,最近邻插值图像效果最差。
5.三次多项式插值计算成本最高,双线性插值次之,最近邻插值计算成本最小。
七.讨论
图像是离散函数,同时近似运算存在误差,规定化变换只能接近参考直方图,不可能完全相同。
现有的图像增强的方法各有利弊,同一种方法能突出图像的某些特征,又会掩盖或消除图像别的特征,因此应根据需要加以选用。
参考文献
【1】罗笑南,王若梅.计算机图像学.广州:
中山大学出版社,1996
【2】239000石永华.基于contourlet变换的MRI医学图像增强.滁州学院学报,2011年10月
【3】章毓晋.图像处理.第三版.清华大学出版社.北京
附录
(1)
[f,map]=imread('
D:
\matlab\work\hai\image.bmp'
);
s0=size(f);
info=imfinfo('
)
f1=ind2gray(f,map);
figure;
imshow(f1);
title('
grayimage'
f11=f1(1:
s0
(1),1:
s0
(2)/3);
imshow(f11);
t1'
f12=f1(1:
s0
(1),s0
(2)/3+1:
s0
(2)*2/3);
imshow(f12);
t2'
f13=f1(1:
s0
(1),s0
(2)*2/3+1:
s0
(2));
imshow(f13);
pd'
(2)
figure
(1);
imhist(f11);
figure
(2);
imhist(f12);
figure(3);
imhist(f13);
(3)
g1=histeq(f11);
imshow(g1);
imhist(g1);
g2=histeq(f12);
imshow(g2);
figure(4);
imhist(g2);
g3=histeq(f13);
figure(5);
imshow(g3);
figure(6);
imhist(g3);
(4)
functionp=twomodegauss(m1,sig1,m2,sig2,A1,A2,k)
c1=A1*(1/((2*pi)^0.5)*sig1);
k1=2*(sig1^2);
c2=A2*(1/((2*pi)^0.5)*sig2);
k2=2*(sig2^2);
z=linspace(0,1,256);
p=k+c1*exp(-((z-m1).^2)./k1)+c2*exp(-((z-m2).^2)./k2);
p=p./sum(p(:
));
p1=twomodegauss(0.15,0.05,0.75,0.05,1,0.07,0.002);
plot(p1);
xlabel('
灰度值'
ylabel('
概率'
(5)
g11=imadjust(f11,[],[],0.2);
g12=imadjust(f11,[],[],0.4);
g13=imadjust(f11,[],[],0.6);
g14=imadjust(f11,[],[],0.8);
g15=imadjust(f11,[],[],1.4);
g16=imadjust(f11,[],[],1.8);
g17=imadjust(f11,[],[],2.2);
g18=imadjust(f11,[],[],2.4);
imshow(g11);
gamma=0.2'
imshow(g12);
gamma=0.4'
imshow(g13);
gamma=0.6'
imshow(g14);
gamma=0.8'
imshow(g15);
gamma=1.4'
imshow(g16);
gamma=1.8'
figure(7);
imshow(g17);
gamma=2.2'
figure(8);
imshow(g18);
gamma=2.4'
(6)
s=size(f11);
m=s
(1);
n=s
(2);
r1=f11(1:
2:
m,1:
n);
r11=imresize(r1,1,'
nearest'
imshow(r11);
r12=imresize(r1,1,'
bilinear'
imshow(r12);
r13=imresize(r1,1,'
bicubic'
imshow(r13);
(7)
r11=imresize(r1,[mn],'
h11=r11-f11;
subplot(131);
t1original'
subplot(132);
subplot(133);
imshow(h11);
subtraction'
r12=imresize(r1,[mn],'
h12=r12-f11;
imshow(h12);
r13=imresize(r1,[mn],'
h13=r13-f11;
imshow(h13);
(8)
r2=f12(1:
r3=f13(1:
average11=mean(mean(h11))
var(h11(:
))
average12=mean(mean(h12))
var(h12(:
average13=mean(mean(h13))
var(h13(:
r21=imresize(r2,[mn],'
r22=imresize(r2,[mn],'
r23=imresize(r2,[mn],'
h21=r21-f12;
average21=mean(mean(h21))
var(h21(:
h22=r22-f12;
average22=mean(mean(h22))
var(h22(:
h23=r23-f12;
average23=mean(mean(h23))
var(h23(:
r31=imresize(r3,[mn],'
r32=imresize(r3,[mn],'
r33=imresize(r3,[mn],'
h31=r31-f13;
average31=mean(mean(h31))
var(h31(:
h32=r32-f13;
average32=mean(mean(h32))
var(h32(:
h33=r33-f13;
average33=mean(mean(h33))
var(h33(:
(9)
corr2(r11,f11)
corr2(r12,f11)
corr2(r13,f11)
corr2(r21,f12)
corr2(r22,f12)
corr2(r23,f12)
corr2(r31,f13)
corr2(r32,f13)
corr2(r33,f13)
(10)
tic;
fori=1:
100
end
toc;
- 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:
- MRI 图像 增强 灰度 剖析