医学毕业论文--基于matlab的x线医学图像增强与直方图处理方法

《医学毕业论文--基于matlab的x线医学图像增强与直方图处理方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于Matlab的X线医学图像增强与直方图处理方【关键词】均衡化；规定化；算法；Matlab;图像增强□□XraymedicalimageenhancementandhistogramprocessingmethodsbasedonMatlab□□[Abstract】AIM:Toimprovethequalityofmedicalimagebyenhancingthelowcontrastdetails.METHODS:Twoprocessingmethods；thegraylevelhistogramequ

2、alizationandthegraylevelhistogramregulation,wereappliedtoenhaneeanXrayimageandtheirenhancementeffectswerecomparedbyusingMatlabtoolboxfunctions.RESULTS:Bythetwomeansofalgorithmhistogramequalizationorregulation,thedensegrayleveldistributionoftheoriginalimageb

3、ecamesparse,andtheoutputimagewasrefined・Theregulationmethodstrengthenedthedifficultlyobserveddetails,whiletheequalizationmethodimprovedlessthelocaldetailsofimage.CONCLUSION:Matlabtoolboxishelpfulforsimplifyingtheprogrammingandprovidesaplatformformedicalimag

4、eprocess!ng.Theregulationmethodisbetterthantheequalizationmethodinpresentingthelocaldetailsofmedicalimages・□□[Keywords】equalization;regulation;algorithms;Matlab;imageenhancement□□【摘要】目的：改善医学图像质量，使低对比度的图像得到增强.方法：利用Matlab工具箱函数,采用灰度直方图均衡化和灰度直方图规定化的方法对一幅X线图像进行增

5、强处理并比较它们的增强效果.结果：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.结论：使用Matlab工具箱大大简化了编程工作，为医学图像处理提供了一种技术平台.直方图规定化法处理医学图像局部细节方面好于均衡化.□□【关键词】均衡化；规定化；算法；Matlab;图像增强□□0引言□根据国内外的相关文献，研究和发展图像处理工具，改善医学图像质量是当今硏究的热点[「2]・图像增强就是

6、一种基本的图像处理技术，增强的目的是对图像进行加工，以得到对医务工作者来说视觉效果更〃好〃更易于诊断的图像.图像增强根据图像的模糊情况采用了各种特殊的技术突出图像整体或局部特征，常用的图像增强技术有灰度变换、直方图处理、平滑滤波（高斯平滑），中值滤波、剃度增强、拉普拉斯增强以及频率域的高通低通滤波等，这些算法运算量大、算术复杂、处理速度低.针对这些问题，我们可以在Matlab环境中,利用Matlab提供的图像处理工具箱，简单快捷地得到统计数据，同时又可得到直观图示.其中，Matlab工具箱中包括的图像处理函数

7、涵盖了近期研究成果在内几乎所有的技术方法，都是由该领域内学术水平很高的专家编写的，功能强大，集成在一个便于用户使用的交互式环境之中，是易学、易甩高效的应用工具箱.□□1材料和方法□□1.1材料所用图像从百度（WWW.baidu.com）中下载某液气胸患者胸片/在WindowsXP环境下用Matlab6.5软件（MathWorks公司）进行处理.对患者诊断时需了解肺脏萎缩的程度，肺内病变情况以及有无胸膜粘连、胸腔积液和纵隔移位等，由于原图表现出低对比度,使图像中较暗细节看不清楚，采用增强处理可使原图灰度集中的区

8、域拉开或使灰度分布均匀,从而增大反差，使图像细节清晰.□1.2方法□1.2.1图像的预处理先判断图像的格式，由于获取的图片为真彩色图像，既RGB图像，则可用rgb2gray()函数转为灰度图像根据计算机的硬件条件将图像的尺寸适当缩小，因为医学图像的数据很大,给图像处理带来很大的挑战，为了减少运算量同时加快程序的执行速度，利用imresize()在保持长度比不变的前提下把数据集整体缩小到原来的3/4[