编辑推荐

　　1.本书注重应用，系统地论述了数字图像处理的基本理论、基本方法和技术及其在医学上的应用。

　　2.所附加的程序是总结多年教学、科研经验的基础上用VisualBasic编写而成，可以直接运行，以利于学习、理解和应用图像处理的计算机程序设计方法；并且列出了经这些程序处理后的医学影像图像的效果。

　　3.本书主要内容有数字图像的形成、医学数字图像处理系统的基本组成、医学图像的数据源、图像与视觉、数字图像的数据结构及基本统计特征、医学图像的DICOM结构、图像变换、数字图像增强与应用、图像恢复及几何校正、图像的编码、图像分析、图像的几何尺寸测量与医学图像的重建等。

内容简介

　　本书是作者根据课题组几年来的医学数字图像方面的教学和科研实际工作，参考了国内外*新的研究成果撰写而成。主要内容有数字图像的形成、医学数字图像处理系统的基本组成、医学图像的数据源、图像与视觉、数字图像的数据结构及基本统计特征、医学图像的DICOM结构、图像运算与变换、数字图像增强与应用、图像恢复及几何校正、图像的编码、图像分析、图像的几何尺寸测量与医学图像的重建等。附录程序是在总结多年教学、科研经验的基础上用VisualBasic语言编写而成的，可以直接运行，以利于学习、理解和应用图像处理的计算机程序设计方法。

　　本书以实用为主，系统地论述了医学数字图像处理的基本理论和基本方法、技术。适合作为高等院校数字图像专业、医学信息专业的学生作为教材，也可作为医学数字图像处理爱好者的参考书。

目录

目录
第1章绪论1
1.1概述1
1.1.1数字图像处理发展史1
1.1.2数字图像处理的基本特点3
1.1.3数字图像处理的优点4
1.1.4数字图像处理的发展动向4
1.2数字图像的形成5
1.2.1抽样6
1.2.2图像抽样方法6
1.2.3量化9
1.2.4图像量化方法10
1.3数字图像处理的主要研究内容及应用 12
1.3.1数字图像处理的主要研究内容12
1.3.2数字图像处理的应用14
1.4数字图像处理系统的基本组成17
1.5医学数字图像处理系统的构成24
1.5.1医学图像的概念及特点24
1.5.2医学图像处理设备26
1.6医学数字图像的数据源28
1.6.1医学X线成像28
1.6.2显微医学成像28
1.6.3核医学图像29
1.6.4体表医学图像29
1.6.5超声医学图像30
1.6.6医学断层图像31
1.6.7磁共振成像31
1.6.8PET成像32
1.6.9医用LCD液晶显示器33
1.7医学数字图像的主要研究内容34医学数字图像处理及应用目录第2章图像与视觉39
2.1概述39
2.1.1图像质量评价与视觉的心理40
2.1.2画面组成和视觉心理40
2.1.3视觉的时空频率分析40
2.1.4视觉生理和模型的研究40
2.2光辐射41
2.2.1可见光41
2.2.2相对视敏度42
2.2.3光源的辐射功率波谱42
2.2.4可见光的度量42
2.2.5黑体辐射与色源45
2.2.6标准光源46
2.2.7辐射谱分解及反射率47
2.3视觉系统48
2.3.1视觉现象48
2.3.2视觉系统的基本构造49
2.4光度学50
2.5彩色视觉51
2.5.1物体的颜色51
2.5.2三基色原理和混色方法51
2.5.3彩色视觉53
2.5.4彩色量54
2.6人眼成像原理54
第3章数字图像的数据结构及基本统计特征56
3.1数字图像的基本数学模型56
3.2数字图像的数据结构及格式文件57
3.2.1图像的数据结构57
3.2.2图像的格式文件60
3.3数字图像的统计特征75
3.3.1图像的基本统计量75
3.3.2概率分布及直方图76
第4章数字图像的运算与变换78
4.1数字图像的点运算78
4.1.1数字图像的点运算概述78
4.1.2数字图像的代数运算79
4.2数字图像的几何运算80
4.2.1概述80
4.2.2几何变换基础——齐次坐标81
4.2.3图像的位置变换82
4.2.4图像的形状变换84
4.3数字图像的傅里叶变换85
4.3.11�睤连续函数的傅里叶变换85
4.3.21�睤离散傅里叶变换86
4.3.32�睤连续函数的傅里叶变换87
4.3.42�睤离散傅里叶变换87
4.3.52�睤傅里叶变换的性质88
4.3.6快速傅里叶变换91
4.4数字图像的沃尔什变换95
4.4.1正交函数的概念95
4.4.2拉格尔函数96
4.4.3沃尔什函数97
4.4.4沃尔什变换99
4.5数字图像的哈达玛变换100
4.5.11�睤离散哈达玛变换100
4.5.22�睤离散哈达玛变换103
4.6数字图像的离散余弦变换104
4.6.11�睤离散余弦变换104
4.6.22�睤离散余弦变换104
4.7数字图像的霍特林变换105
4.8数字图像的小波变换107
4.8.1离散小波变换107
4.8.22�睤小波109
4.8.3小波包112
4.8.4Mallat算法115
第5章数字图像的增强及应用116
5.1图像的直方图增强116
5.1.1对比度扩展116
5.1.2非线性变换118
5.1.3直方图调整119
5.2图像的平滑处理127
5.2.1局部平均法127
5.2.2阈值法127
5.2.3空间域低通滤波128
5.2.4频域低通滤波法128
5.2.5多帧平均法130
5.3图像的锐化处理130
5.3.1空间域图像锐化130
5.3.2频率域高通滤波136
5.4图像的彩色增强137
5.4.1伪彩色处理137
5.4.2假彩色处理140
5.5图像彩色变换141
5.5.1颜色模型141
5.5.2彩色变换143
5.5.3图像的彩色变换145
5.6二值图像处理146
5.6.1图像的二值化146
5.6.2二值化图像处理147
5.7图像的同态增强148
5.8图像的非线性滤波150
5.8.1图像的中值滤波150
5.8.2选择平均法154
5.8.3加权平均法155
第6章数字图像的恢复及几何校正157
6.1图像退化的数学模型157
6.1.1一维离散退化模型157
6.1.22�睤离散退化模型159
6.2图像退化的参数估计161
6.2.1点扩散函数的估计161
6.2.2噪声功率谱的估计162
6.3图像的非约束恢复163
6.3.1逆滤波163
6.3.2消除匀速直线运动模糊165
6.4图像的约束恢复166
6.4.1最小二乘方滤波器和Wiener滤波器166
6.4.2最小二乘方恢复167
6.5图像的同态滤波复原169
6.6图像的几何校正171
6.6.1空间几何坐标变换171
6.6.2像元值的内插174
6.6.3控制点的确定176
第7章数字图像的编码178
7.1数字图像的编码的分类178
7.2图像的PCM编码179
7.2.1PCM编码的基本原理179
7.2.2PCM编码的量化噪声180
7.2.3编码器181
7.2.4非线性PCM编码181
7.2.5亚奈奎斯特采样PCM编码183
7.3图像的预测编码184
7.3.1无损预测编码184
7.3.2有损预测编码185
7.4图像的熵编码190
7.4.1概述190
7.4.2哈夫曼编码方法192
7.4.3香农编码法193
7.5图像的变换编码194
7.5.1变换编码的策略195
7.5.2变换编码的方法195
7.6图像的分形编码198
7.6.1分形编码方法与步骤199
7.6.2自动分形图像编码201
7.7图像的小波变换编码205
7.7.1小波变换编码一般方法205
7.7.2利用正交小波变换实现图像编码206
7.7.3图像编码的KL变换及小波包快速算法209
第8章数字图像分析211
8.1图像分割方法212
8.1.1阈值法212
8.1.2边缘检测214
8.2图像的纹理分析216
8.2.1直方图特征216
8.2.2傅里叶特征217
8.2.3灰度共生矩阵特征217
8.2.4纹理边缘的检测219
8.2.5纹理区域分割219
8.3形状分析的细化219
8.4图像特征的描绘方法221
8.4.1区域描绘221
8.4.2关系描绘225
8.4.3相似性描绘227
第9章图像测量与医学图像重建229
9.1图像的几何测量230
9.1.1长度测量230
9.1.2面积和周长测量230
9.1.3角度测量232
9.2形状分析232
9.2.1圆形度232
9.2.2矩形度233
9.2.3中心矩234
9.2.4主轴234
9.2.5链码及形状分析234
9.3图像的特征值提取236
9.3.1图像的特征236
9.3.2图像的特征值提取概述240
9.4医学图像重建243
9.5医学图像重建方法243
9.5.1方程联立法244
9.5.2迭代法245
9.5.3二维傅里叶变换法245
9.5.4反投影法247
9.6图像三维可视化248
9.6.1面绘制248
9.6.2体绘制249
9.6.3体数据二维重建250
附录A常用数字图像处理英文词条252
附录B常用医学数字图像处理Visual Basic程序254
附录C医学图像的实际处理效果图264

精彩书摘

　　第5章数字图像的增强及应用在图像的产生、传输和变换过程中，由于多种因素的影响，往往使图像与原始景物之间或者与原始图像之间产生某些差异，这种差异称为变劣或退化。图像的变劣使从图像中获取各种信息造成困难和不便。因此，有必要对变劣的图像进行恰当的处理，使处理后的图像更适合于人眼观察或有利用于从图像提取信息，这种处理称为图像增强处理。

　　实际应用中，造成图像变劣的因素非常多，但变劣图像的变劣特征常见的有:图像获得过程中对比度的降低(如照相时曝光过度和曝光不足)、信号的减弱(如电视信号的远距离传输)、图像模糊、图像上的噪声和图像几何畸变等。对每一种变劣特征的图像，有大致相似的增强处理方法。但是每一个增强处理方法具有特定的应用范围，对某一幅图像增强效果好的处理方法，对另一幅图像可能完全不适用。因此，图像增强处理的过程是一个选择、对比的过程，通过运用多种增强处理，观察效果，从中选出最适合的处理方法。

　　从处理手段来讲，图像增强处理可分为空域法和频率域法两种。空域法指在图像所在的空间域中直接进行处理，而频域法指先把图像进行傅里叶变换，在频率域中处理后，进行傅里叶反变换。

　　5.1图像的直方图增强

　　对比度扩展与调整又称为灰度修改技术，灰度修改技术是一种简便而有效的提高图像对比度的方法。灰度修改也称为点运算，它不改变像素的位置，只改变像素的灰度。设输入图像为f(x，y)，输出图像为g(x，y)，则灰度修改技术的数学表达式可表示为g(x,y)=T［f(x,y)］(5��1)这里T为灰度修改的具体映射关系。

　　5.1.1对比度扩展〖*2〗1.线性变换设图像的灰度范围为［a，b］，若没有充分利用显示装置所允许的最大灰度范围［a1,b1］，就会导致图像的对比度太低，使一些细节不易被观察到。例如，摄影过程中如果曝光不足或曝光过度，均会出现这种缺陷。也就是说，灰度变换前后的灰度范围必须在显示装置所允许的最大灰度范围之内，下面简单说明这类变换的实际过程。医学数字图像处理及应用第5章数字图像的增强及应用解决上述问题的最简单的方法是进行灰度的线性变换，其数学表达式如下:g(x,y)=T［f(x,y)］=b1－a1b－a［f(x,y)－a］+a1(5��2)对灰度进行这样线性变换以后，把原始图像f(x，y)的灰度范围［a，b］，强行扩展为显示装置所允许的最大灰度范围［a1,b1］，从而提高了整幅图像的对比度，原来观察不到的一些图像细节可能更加突出了。图5.1给出了这种线性灰度变换关系。

　　2.分段线性变换

　　如果在图像处理过程中，需要突出图像中某灰度范围内的图像细节，同时又允许适当损失另外灰度范围内的图像细节，可以采用线性灰度变换的另一种形式，即分段线性变换。经过这种变换以后，可使所得图像细节的灰度范围得以扩展，增强其对比度；同时又使不感兴趣的图像细节所处的灰度范围得以压缩，降低其对比度。值得注意，这种分段线性变换，变换前后整幅图像总的灰度范围是不变的。由图5.2可以看出断点(或端点)O、A、B、C、D的断点对分别为0、a1、z1、a2、z2、a3、z3、a4、z4……

　　多段分段线性变换的数学表达式可写成:g(x,y)=zi－zi－1ai－ai－1［f(x,y)－ai－1］+zi－1(5��3)其中,i=1,2,3，…，n+1，即对于n个分段性拉伸的线段，则有n+1个断点和n+1个断点对的数据，这n+1个断点对数据可以建立n个分段性拉伸变换方程，这n个方程分别描述n条线性拉伸变换关系的直线。

　　图5.1灰度范围的线性变换

　　图5.2分段线性变换

　　在实际处理过程中，如果图像上灰度范围的两端区域上有噪声，比如感光胶片上有划伤和黑色感光Ag颗粒，则可用这种变换把灰度范围的两端区域压缩，使人眼视觉对噪声的感受不明显，而对有用细节所占据的灰度区域给于线性扩展，提高这部分的对比度。

　　如果图像上绝大部分像素的灰度级集中在［a，b］范围内，比较少的像素的灰度级超出此范围，则可用以下变换增强原图像上［a，b］范围的对比度。g(x,y)=b1－a1b－a［f(x,y)－a］+a1a≤f(x,y)≤b

　　a1f(x,y)

　　b1f(x,y)

　　图像细节为代价的。这种变换与分段线性变换实际上都是非线性变换。实际上，可以利用一些数学函数进行灰度变换，如平方、对数、指数等，但这种变换必须满足以下条件，即：

　　如果a1≤f(x，y)≤b1则需有a1≤g(x，y)≤b15.1.2非线性变换〖*2〗1.对数变换对数变换可表示为g(x,y)=lnf(x,y)，f(x,y)>0如果f(x,y)=a1,则有g(x,y)=lna1=g1如果f(x,y)=b1,则有g(x,y)=lnb1=g2显然，变换前的灰度范围［a1,b1］在变换后成为［g1,g2］，为保证变换后的灰度范围仍然为［a1,b1］，则须用线性变换的方法把灰度范围［g1,g2］扩展为［a1,b1］，由此得出对数变换的表达式为g(x,y)=b1－a1lnb1－lna1［lnf(x,y)－lna1］+a1(5��5)对数变换的功能是扩展低值灰度区域和压缩高值灰度区域，使人眼更容易看清低灰度区域内的图像细节，如图5.4所示。

　　2.指数变换

　　图像的指数变换即指输出图像像素灰度值与对应的输入图像像素灰度值之间为指数变换关系，如图5.5所示，其一般表达式为y=bcx（5��6）式中y为变换后像素灰度值，也即输出图像灰度值，x为原图像灰度值，也即输入图像灰度值b为底，常用b=e。用于指数扩展时，作为输入图像亮度值的x可能达到127或255，系数c必须远小于1（<<1），否则，y值的可能非常大。

　　为了增加变换的动态范围，对于上面的一般公式(5��6)可以加入一些调制参数，以便可以修改变换曲线的起始位置和曲线的变化速率等。加入调制参数的公式为y=bc(x-a)-1（5��7）式(5��7)中,a、b、c都是可选择的参数，当x=a时，y=0，这时指数曲线交于x轴，可见参数a可以决定指数变换曲线的起始位置，而参数c可以决定变换曲线的陡度，即决定曲线的变化速率。如果不规定参数，该程序将按隐含规则执行公式y=exp(x)-1.0，式中的-1项可使该变换准确地转换到使用+1附加偏差的对数变换。

　　指数扩展的效果与对数相反，即着重扩展了亮度值高的部分，同时相对压缩了亮度值低的部分。

　　图5.4对数变换关系

　　图5.5指数变换关系

　　5.1.3直方图调整

　　直方图代表一个离散变量的概率密度函数(ProbabilityDensityFunction，PDF)，是图像概貌总的描述。一幅数字图像的直方图反映了每一个像素的概率密度或相对频数。医学图像的像素值具有一定的随机性质，一般情况下，在直方图中靠近均值随近的像素占全部像素数的绝大部分，而直方图的两端像素数目很少。也就是说，代表图像信息主体部分的数据集中在直方图的中部，要想使图像中这种概率密度数的部分得到充分而合理的扩展，就需要应用与概率密度函数有关的扩展方法，也就是相当于对直方图进行调整。可以通过将给定的图像的直方图修改为指定形式的直方图来改善图像的外貌，达到增强的目的。这时，增强的效果取决于所指定的直方图的形式，这种形式可以是均衡的或任意所需要的形式。

　　1.直方图的均衡

　　直方图均衡化是将原直方图通过变换函数调整为均衡直方图，然后按均衡直方图调整原图像。就是说使概率密度大(直方图上柱子高)的部分相邻像素值的间隔加大，而使概率密度小的部分(通常是直方图两端)像素值差别缩小，往往两个或几个相邻的亮度值归并为同样的值。

　　一幅图像的明暗分配状态或者像素灰级的空间分布，一般说是不均匀的，其灰级范围都很狭窄，其直方图多密集靠近在一起且两侧较小而中间突出一个高峰，这就说明图像绝大多数的像素灰级过于集中，这时图像信息不丰富，图像结构不清晰。如果将直方图的高峰在水平方向压缩，向左右展开成为一个有同样高度的宽而低的新直方图，其清晰程度有明显提高，所需目标信息会被突出出来。

　　图5.6图像均衡化例题

　　现以4×4的图像矩阵为例，说明图像直方图均衡化过程。图5.6(a)为4×4图像的像素灰度值数据，是均衡化前的原始图像数据。对其像素和灰度进行统计，便得到图5.6(b)图的统计表，第一行为像素灰度级值，共有8个灰度级；第二行为各灰度级原有的像素数，也即均衡化之前4×4图像各灰度级的像素数；第三行则表示均衡化处理后图像的各灰度级的像素数。可以看出各灰度级像素数都等于2，这一数值表示各灰度级的像素数平均相等，这就是均衡化的含义，图5.6(c)的4×4矩阵就是均衡化后图像数据，图像中每一个灰度级的像素数都是2，仍然是8个灰度级。读者可以对照均衡化前后图像仔细比较观察，可以看出图5.6(c)均衡化后的4×4图像灰度级是如何排列的，均衡化前的原始图像0级灰度只有一个像素，故其均衡化后仍然是0级，每一灰度级像素都有两个，现在均衡化后的0级像素还差一个，就拉下一个1级像素作为0级补充进来，而且这个1级像素是在扫描过程中最先遇到的像素灰度值，这样均衡化的0级像素位置便被填充满了，然后再考虑均衡化后的1级像素情况。原始图像有两个1级像素，其中最先扫描遇到的一个1级像素已经变为0级像素，故只有原来第二个1级像素均衡化后仍为1级，这样还差一个1级像素，就到2级像素中去找。原始图像2级像素共有4个，现将 医学数字图像处理及应用 电子书 下载 mobi epub pdf txt