《现代图像处理及应用》课程实验-阈值分割计算癌变图像前后变化

《《现代图像处理及应用》课程实验-阈值分割计算癌变图像前后变化》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、电子信息学晚实验报告书课程名：《现代图像处理及应用》课程实验题目：实验5计算癌变图像前后变化实验类别：【验证实验】班级:电子1313学号：131003430326姓名:星限评语：（1）实验程序代码：□正确□基本正确□不正确（2）实验结果分析：□准确□基本准确□不准确（3）实验报告撰写：□规范□基木规范□不规范成绩：CIAOBQCQD,指导教师：批阅时间：年月口1、实验题目题目：计算癌变图像前后变化2、实验目的目的：计算癌变患者通过治疗，前后癌变细胞组织大小的变化大小。3、实验图像治疗前扫描图治疗后扫描图beforetreatmentaftertreatmentbeforetreatmentaf

2、tertreatmentCommandWindowONewtoMATLAB?WatchthisVideo,seeDemos,orreadGettingStarted.sub=194、实验步骤(1)Inputimages：MRIslicel7-tlwasacquiredbeforeatreatmentMRIslicel7-t2wasacquiredafteratreatment.(2)toquantifythetumorchangefromtwobrainMRIimages.5、程序代码clc;clear;Il=imreaci(1MRIslicel7-t1.jpg1);I2=imread('MR

3、Islicel7-t2.jpg');figuresubplot(221);imshow(Il);title('治疗前妇描图1);subplot(222);imshow(12);title('治疗后扫描图'>;subplot(223);imhist(II);title(1治疗前W像直方阁丨)；subplot(224);imhist(12);title('治疗后图像直方图1>;figureIIl=im2bw(II,80/256);II2=im2bw(12,80/256);subplot(121);imshow(III);title(1beforetreatment■);subplot(122);i

4、mshow(112);title(1aftertreatment•);figure[LI,numl]=bwlabel(III);title(1beforetreatment1);[L2,num2]=bwlabel(112);title(1aftertreatment•〉；sl=regionprops(LI);s2=regionprops(L2);ml=max([si.Area]);m2=max([s2.Area]);mml=find([si•Area]==ml);mm2=find([s2.Area]==m2);subplot(121);imshow(Ll==mml);title(1before

5、treatment•);subplot(122);imshow(L2==mm2);title(1aftertreatment1);sub=ml—m26、结果分析本次实验迎过阈伉分割进行图像分割木次实验读取治疗前后的两副图像，统计两幅图像灰度概率直方图显示结果如图1所示。从图1可以看出两幅图像中受关注的物体癌变细胞组织在其内部具有均匀一致的灰度值并分布在一个具有另一个灰度值的均匀背景上，因此阈值方法进行图像分割是非常有效的。根据图1中的直方图显示结果可以看出具有比较明显的双峰，选定正确的阈值，使用一个固定的全局阈值一般会有较好的效果。这里采用人工选择法，，将它们以及它们的直方图一起显示出來，通过

6、看直方图里的值，手动来选取阈值，根据直方图应该在第二个高的峰值右边选取（癌变细胞组织可以看出灰度值是第二多，接近白色，灰度值概率较大），然后用im2bw将选取阈值后图像显示出来，可以发现结果如图2，bwlabel函数计算出图中互不连通的集合个数，利用regionprops函数來定位各个位置，再用maxUsl.Areaj）找到癌变细胞组织即图2屮0色较集屮的区域的值，用find函数找到最大值时区域的标志所对应的值位罝，把它显示出来即图3,最后要计算这两幅图中癌变细胞组织的变化，可以用所得到的maxUsl.AreaD值，相减得到结果。