医学图像增强

中心思想：寻找一块合适的模板，对当 前象素的有限连续区域的最佳匹配。
标准差为依据
j
N
1 j 1
Nj k 1
{Ik
(
x,
y)
m
j
}2
平坦变化的模板上的标准差值相对较小， 最佳模板的选择就是在有限连续区域内 选择除具有最多邻域非背景象素点的模 板T，以达到最大噪声抑制
存在边缘时，由于图像的变化明显，模 板的标准差值相对较小，选择具有最小 标准差的边缘模板
局部算子
1 1 1
均值滤波
9
9
9
1 1 1
K L 1
9 9
1 9
1 9
9
1 9
平滑噪声，但牺牲了边缘的锐度
中值滤波
在核框架的每个位置上将核的中心与待处理的 图像元素对齐，输出的象素灰度为该框架范围 下所有象素灰度的中位数
边缘增强
水平边缘或线条增强算子
1 1 1
h1
(k
,
l
)
0
0
Hale Waihona Puke Baidu
0
白噪声过程的功率谱
Snn n2
因而平稳维纳滤波器可以表示为
H
S ff
S ff n2
最优线性估算，平滑与消除噪声的最佳 折中
适配模板滤波
信息的保留比简单的提高信噪比重要
适应模板滤波技术根据图像上的每一个 象素点及其周围邻近的8各邻点的情况自 动选出最佳匹配模板加以处理，识别和 判断，决定是否保留，这样可以极大保 留边缘信息。
例2 从一个常数减去距频域中心| w1| 的频率成 分就构成陷波器，使相应的频率分量消除 而其他的不变
钝化蒙片法
先对图像做低通滤波得到一幅模糊的图 像，再从原图中减去这幅模糊的图像， 就相当于实现高通滤波。
适配维纳滤波
平稳的随机过程功率谱可以定义为自相 关函数的Fourier变换 S ff F (Rff )
从最大的模板开始计算标准差和非背景 象素点数，设定域值T，避免穷举
试验表明适配模板滤波算法比较有效
二进小波图像增强技术
兴趣的灰度区间跨越显示设备的整个动态
范围
(e f , f 1 f f 2)
g
e f1 f 2 f1
f max
直方图均衡
使图像灰度信息尽可能均匀，本质是将 输入图像的直方图映射成一个最大平展 的直方图。做法：
归一化直方图
H ( j) 1
j
h(i)
M N i0
计算
g(x, y) (P 1) H( f (x, y))
平均图像
g(x, y) 1
期望值 N
N
ai (x, y)
i 1
E{g(x, y)} f (x, y)
标准差
g
d
N
图像减象法
两幅图像相减（可以用来验证） 可以将动态范围扩展
频域增强技术
通过消除高频分量抑制噪声或平滑图像 或消除低频分量增强图像边缘
Butterworth低通滤波
BL
(u,
医学图像增强
概述
扫描设备影响导致图像质量的退化 首要任务：增强信噪比即滤除图像的噪
声和干扰，突出感兴趣对象区域
卷积算子
图像的直方图
M 1 N 1
h(i) ( f (x, y) i),i 0,1, x0 y0
f (x, y)为图像信号
, p 1
一种图像增强运算用局部算子做卷积
图像与核的卷积的定义：
v)
1
c[
1 D(u, v)
/
DT
]2n
Butterworth高通滤波
1 BH (u, v) 1 c[DT / D(u, v)]2n
其中 D(u, v) u2 v2 DT 为域值
适配图像滤波
通过消除噪声而又不严重模糊图像中结 构实现图像的增强或恢复
空间频率滤波
例1 减小靠近频域中心的分量成分相当于增强 高频信号的比重
f (x, y)
1
M 1 N 1
2 j( ux vy )
F(u, v)e M N
M N x0 y0
象素运算
显示设备的非线性特效校正 根据真实图像，对实际显示的图像进
行校正 产生原因：图像输出设备自身的非线
性灰度特性影响输出图像的效果
灰度运算
当图像动态范围明显超出显示系统的范围，
或反之，都应对图像灰度进行变换，使感
整个图像直方图均衡化的演化 用于小块和彼此重叠的局部图像区域
利于观察细节 计算方法同前
多幅图像运算
图像平均法 抑致噪声基于三点假设 （1）图像数量多 （2）各幅图像受到同类附加噪声损害 （3）附加噪声是零均值的随机噪声
类似物理学中测量多次取平均值
图像表示
ai (x, y) f (x, y) di (x, y)
1 1 1
竖直边缘线条增强算子
1 1 1
h2 (k,l)
0
0
0
1 1 1
1 0 1 v1(k,l) 1 0 1
1 0 1
1 0 1
v2
(k
,
l
)
1
0
1
1 0 1
全方位边缘增强算子
1 8
1 8
1 8
K HP
(k,
l)
1 8
1
1 8
1 8
1 8
1 8
局部区域直方图均匀化
KL
g(x, y) w(k,l) f (x, y) w(k,l) f (x k, y l) kK lL
上述卷积可以在频域实现
Fourier变换
F(u,v)
1
M 1 N 1
2 j( ux vy )
f (x, y)e M N
M N x0 y0
Fourier逆变换得到图像的空间域形式