论文部分内容阅读
目的:本课题以研究图像增强和边缘检测算法的应用为目的,改善医学图像质量,从结果中获取更多有价值的信息,为临床诊断和分析提供依据。医学图像增强主要是为了将图像中感兴趣的特征有选择的突出,具体表现为突出目标物轮廓,增强图像中的细节,提高层次感,滤除各类噪声等等。边缘检测的结果是为了提供图像的重要特性,使医学图像中病灶部位特征能明确区分出来。方法:1、利用Matlab工具箱函数对图像进行预处理,分别采用直方图均衡化和直方图规定化的方法对采集到的医学图像进行处理,然后分析比较处理后的结果图像。2、选择5×5模板和3×3模板,利用Matlab工具箱函数分别对采集到的医学图像用wiener滤波法对图像进行自适应wiener滤波、中值滤波法处理,分析各算法对医学图像的处理效果。3、对采集到的医学图像,结合Matlab具体程序,分别进行Roberts算子、Prewitt算子、Sobel算子、Laplacian算子、Canny算子进行边缘检测,并分析比较它们的检测结果。结果:1、用直方图均衡化和规定化的算法,将原始图像密集的灰度分布变得比较稀疏,处理后的图像视觉效果得以改善。直方图均衡化对于局部细节增强不显著,而直方图规定化则使不易观察到的细节变得清晰。2、加入高斯噪声后,选择5×5模板的wiener滤波法处理的图像,边缘模糊,图像中软组织的清晰度下降,而选择3×3模板的wiener滤波后的图像视觉效果要好。选择3×3模板的中值滤波后结果图的噪声基本被滤除,图像变的较清晰。3、Roberts算子对边缘定位不准确,Sobel算子和Prewitt算子能够检测出边缘,但边缘是不连续的,且比较模糊,而Sobel算子比Prewitt算子提取细节信息量要多一些,Laplacian算子检测出的边缘产生了虚假信息,Canny算子能真正检测到弱边缘。结论:1、直方图处理医学图像可以有效改善图像质量,使图像变的清晰,直方图规定化处理医学图像局部细节方面好于均衡化。2、wiener滤波法和中值滤波法可以有效地消除医学图像噪声,对医学图像分析和诊断提供了帮助。3、用各种微分算子对医学图像进行边缘提取,分析比较发现Canny算子提取的边缘整个轮廓比较平滑、清晰、完整,噪声抑制较其余微分算子要好。通过以上的工作,本论文讨论的图像处理方法适合于临床诊断需要,针对临床医生而言,这些方法实用、方便、简洁、有效,使多种疾病诊断更准确、及时。