医学图像处理-复习纲要

《医学图像处理》复习纲要

第1章引论

1．数字图像处理（DIP）的基本定义和本课程所界定的大致范围

数字图像、图像处理、图像分析/理解、计算机视觉

2．数字图像处理发展的基本历程和应用领域

重点：在医学图像处理中(CAT、CT、PET、MRI、体内三维再现技术等)的发展应用

3．从成像来源的角度了解DIP的划分、比较各自特点及应用场合

电磁波谱成像、显微镜成像(TEM、SEM)、声波/超声波成像、计算机合成图像4．DIP的基本流程步骤

第2章DIP基础

1．视觉基本要素

杆状体(Rods)和锥状体(Cones)、盲点、主观亮度、亮度适应性、亮度辨别力(Weber ratio)；几种视觉现象（说明感觉亮度不是光强的简单函数）：Mach效应、同时对照度、光幻觉；描述彩色光的三个基本量：辐射度(radiance)、光通量/流明数(luminance)和亮度(brightness)

2．图像感知和获取、采样和量化

三种基本的图像采集形式（单个、线和阵列）、图像的照射和放射分量模型、数字图像的空间坐标表示、图像存储尺寸的计算、图像的空间和灰度分辨率、checkerboard现象和伪轮廓现象、等性能曲线及解释、混叠/莫尔（波纹）效应及解释

3．象素间的基本关系测度

近邻(neighbors)（4、对角、8）、邻域; 邻接(adjacency)（4、8、混合）与连接(connectivity)；区域、边界和边缘(沿)；路径、路径长度、连接分量/集、闭路径；距离测度：距离定义、城市街区距离、Euclidean距离、棋盘(chessboard)距离、Dm距离；

第3章空域图像增强技术

1．灰度变换及基本函数

基本概念：负变换、对数变换、幂律变换（Gamma校正）、分段线性变换、灰度切割、位平面切割；

要求：理解这些变换的基本含义及对图像作用后会产生什么样的效果、并会灵活运用这些变换于不同的图像增强场合

2．直方图处理

灰度直方图的定义、基本含义、与图像外观的关系、及其作用；

直方图均衡化（线性化）：基本思想与原理、特点与作用、算法基本步骤、应用场合

直方图匹配（规定）：基本原理、特点与作用、变换函数、实现流程；会灵活运用（如怎么去设计规定的直方图）

怎么运用直方图的统计特征于图像增强：均值、方差及主要含义、全局运用与局部运用

3．增强中的算术与逻辑操作

与、或、非：特点、作用、怎么运用

图像加/平均、减、乘操作的主要原理、特点、作用效果、应用场合；

4．空间滤波

线性滤波与非线性滤波、填充问题（基于邻域的操作）

线性滤波：基本概念、滤波器/模板/掩码、线性卷积与相关

线性平滑滤波（盒滤波器、加权平均滤波）、排序统计滤波（中位、中值、最大、最小及其它自定义的百分位）：基本原理、特点、优缺点与应用场合

空间锐化滤波器：数学原理与基础、作用

一阶导数/梯度算子（Roberts, Sobel, Prewitt）、二阶导数/Laplacian算子：各自主要特征、优缺点、主要作用、怎么运用

本章应用实例：联合增强

第4章频域增强技术

1．基础：二维离散傅立叶变换

2．基本概念：图像频谱及物理意义（很重要）、频域和空域分辨率、填充与周期展开；

3．频域滤波的基本流程框架

4．基本的滤波器类型（高、低通）：理想、Butterworth、Gaussian；基本原理、主要属性、主要用途；要求掌握一定的推导技巧和能灵活运用

5．空域与频域滤波器间的转换－卷积定理；频域和空域增强技术间的比较6．同态滤波：概念、原理、算法基本流程、主要用途

第5章图像恢复

1．基本概念，与图像增强技术的区别和联系；图像退化及恢复过程模型

2．噪声：来源、空/频域的属性（从与图像的关系角度）；

重要的噪声概率模型：高斯、Reyleigh、指数、均匀、脉冲（椒盐）；对表达公式要熟悉、对基本特征要掌握；能根据图像的统计特征（如直方图分布）对噪声参数进行估计；

3．只有噪声情况下的恢复技术－空间滤波：1）线性：均值滤波（算术、几何、谐波、逆谐波；2）排序统计：中值、最大/小、中点、alpha修剪；3）自适应均值滤波（基本思想与流程）。要求：掌握基本原理、基本属性、和各自的优缺点

与用途。

4．周期噪声消除：带限与陷波滤波器

5．线性位置不变退化模型及退化函数估计：1）观察；2）试验；（这两种有个基本了解就行）；3）利用先验知识建模退化函数；4）滤波方法：逆滤波、Wiener 滤波（重点）；约束最小均方滤波、几何均值、空间变换等（了解）；

第6章彩色图像处理

两大类：真彩色和伪彩色处理；

颜色基础：电磁波谱；彩色光的三个基本度量变量（辐射度、光通量、亮度）；彩色光谱范围：380nm~720nm；光的三基色（RGB）：CIE定义的波长（蓝：435.8nm, 绿：546.1nm, 红：700nm）；光的二次色（补色）：magenta、cyan、黄色；颜料的三基色和二次色（图6.4）；CIE彩色图（图6.5）；颜色特征度量的三种基本量：brightness, hue, saturation；三激励值、三色系数；

颜色模型（系）：RGB、CMY、CMRK、HIS；各自特征、含义、主要的应用场合；

颜色系间的相互转化；

第7章

第8章图像压缩

两大类型：有损压缩、无损压缩；

基本概念：数据冗余类型（编码、象素间、生理视觉）；相对信息冗余；压缩率；置信准则（客观、主观）；

图像压缩模型（图8.6）：映射器、量化器、符号编码器；

信息论基础：自信息、互信息、熵

编码定律：无噪编码（shannon第一定律）、带噪编码（shannon第二定理）；

无损压缩的基本方法：变长编码、Huffman编码、算术编码、LZW编码；要求：掌握基本原理、算法流程、性能特点。重点：前两种

有损压缩：有损预测模型（图8.21）；DM方法、DPCM方法，变换编码的几种类型。要求：了解基本概念、主要特点；

第9章形态学图像处理

第10章图像分割技术