基于matlab的医学图像增强与边缘检测算法的实验研究

《基于matlab的医学图像增强与边缘检测算法的实验研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、专业综合实验报告---数字图像处理专业：电子信息工程班级：110406姓名：顾江飞学号：20111610指导教师：王昕2014年7月18日设计一基于matlab的医学图像边缘检测算法的研究一、设计目的运用多种算法对医学图像进行边缘检测，取得更丰富的医学图像边缘信息，以便于医学图像的进一步处理。二、设计内容和要求利用各种微分算子—Roberts算子、Prewitt算子、Sobel算子、Laplacian算子和Canay算子分别对图像进行边缘检测，得到不同的方法对图像边缘检测的结果图。最后得出可以对医学图像实现边缘定位，为医学

2、图像进一步的测量或识别做准备，能对医学图像中病灶部位特征加以明确区分。三、设计步骤1.打开计算机，运行matlab程序2.用各种算法处理图片3.认真详实的记录实验过程和结果四、实验所需设备及软件计算机一台、移动式存储器、matlab软件五、设计报告内容1.材料对于一幅医学图片，分别用Roberts算子、Prewitt算子、Sobel算子、Laplacian算子和Canny算子对图像进行边缘提取。2.方法边缘检测是空域微分算子（实际上是微分算子的差分近似）利用卷积来实现的。常用的微分算子有梯度算子、拉普拉斯算子和Canny算

3、子等，这些算子不但可以检测图像的二维边缘，还可检测图像序列的三维边缘。边缘提取方法是考察图像的每个像素的某个领域内灰度的变化，利用邻域邻近一阶或二阶方向导数变化规律，用简单的方法检测边缘，称为微分算子法。2.1梯度算子根据参考文献，梯度对应于一阶导数，相应的梯度算子就对应于一阶导数算子。对于一个连续函数f(x,y),它的位置（x,y）的梯度可表示为一个矢量，其在(x,y)处的梯度定义如下。（1）这个矢量的幅度（即简称为梯度）和方向角分别为：（2）（3）式（1）～（3）中的偏导数需要对每一个像素位置进行计算，运算量大，在实际

4、应用中常常采用小区域模板卷积来近似计算，GX和GY各自使用一个模板。最简单的是Roberts算子，其模板如下：（4）较复杂的常用模板有Prewitt算子和Sobel算子，分别如（5）和（6）所示：（5）（6）利用Matlab图像工具箱中的edge函数，对以上算子来检测图像边缘．edge函数提供许多微分算子模板，在检测边缘时可以指定一个灰度阈值，只有满足这个阈值条件的点才视为边界点。Edge函数基本格式为：ＢＷ＝edge(I,’type’,parmeter,…)其中，Ｉ表示输入图像，type表示使用的算子类型，parmete

5、r则是与具体算子有关的参数。2.2拉普拉斯算子和Canny算子拉普拉斯算子（Laplacian）是一种二阶导数算子。对于一个连续函数f(x,y)处的拉普拉斯算子定义如下：（7）在图像处理过程中，拉普拉斯算子也可借助各种模板来实现。对模板的基本要求是：对应中心像素的系数为正，其余相邻像素的系数为负，并且所有系数的和应该为零。常用的2种模板如式（8）所式。（8）Canny边缘检测是一种比较新的边缘检测算子，该方法与其他边缘检测方法的不同之处在于，它使用两种不同的阈值分别检测强边缘和弱边缘，并且仅当弱边缘与强边缘相连时，才将弱边

6、缘包含在输出图像中，因此这种方法较其他方法而言不容易被噪声“填充”，更容易检查出真正的弱边缘。程序：blood=imread('1.jpg');[x,y,z]=size(blood);%求出图象大小b=double(blood);N=sqrt(100)*randn(x,y,z);%生成方差为10的白噪声I=b+N;%噪声干扰图象fori=1:x;%实际图象的灰度为0～255forj=1:yif(I(i,j)>255)I(i,j)=255;endif(I(i,j)<0)I(i,j)=0;endendendz0=max(max

7、(I));%求出图象中最大的灰度z1=min(min(I));%最小的灰度T=(z0+z1)/2;TT=0;S0=0;n0=0;S1=0;n1=0;allow=0.5;%新旧阈值的允许接近程度d=abs(T-TT);count=0;%记录几次循环while(d>=allow)%迭代最佳阈值分割算法count=count+1;fori=1:xforj=1:yif(I(i,j)>=T)S0=S0+I(i,j);n0=n0+1;endif(I(i,j)

8、n0;T1=S1/n1;TT=(T0+T1)/2;d=abs(T-TT);T=TT;endSeg=zeros(x,y);fori=1:xforj=1:yif(I(i,j)>=T)Seg(i,j)=1;%阈值分割的图象endendendSI=1-Seg;%阈值分割后的图象求反，便于用腐蚀算法求边缘se1=