B超图像处理设计说明书解析
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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
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
目录
1 课题背景 (1)
1.1 B 超图像识别技术研究意义 (1)
1.2 图像识别技术研究现状 (2)
2 B 超图像处理步骤及基本原理 (2)
2.1 图像灰度化处理 (2)
2.2 截图 (5)
2.3 图像去噪 (6)
2.4 图像二值化处理 (9)
2.5 图像增强 (11)
3 总结 (14)
参考文献 (14)
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
1.1 B 超图像识别技术研究意义
数字图像处理(Digital Image Processing)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C T、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。
2 B 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,