《生物医学图像处理》复习题
一、选择题
1、图像灰度方差说明了图像哪一个属性。（B）
A 平均灰度
B 图像对比度
C 图像整体亮度
D 图像细节
2、计算机显示器主要采用哪一种彩色模型（A）
A 、 RG
B B、 CMY或CMYK C、HSI D、 HSV
3、采用模板［-11］T 主要检测（A）方向的边缘。
A. 水平
B.45
C.垂直
D.135
4、下列算法中属于图象锐化处理的是：( C)
A. 低通滤波
B.加权平均法
C.高通滤波
D. 中值滤波
5、维纳滤波器通常用于（C）
A 、去噪
B 、减小图像动态范围C、复原图像 D 、平滑图像
6、彩色图像增强时，（C）处理可以采用RGB彩色模型。
A. 直方图均衡化
B. 同态滤波
C. 加权均值滤波
D. 中值滤波
7、（ B）滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。
A. 逆滤波
B. 维纳滤波
C. 约束最小二乘滤波
D. 同态滤波
8、高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加上一常数量以便引入一些低频分量。这样的滤波器叫（B）。
A. 巴特沃斯高通滤波器
B. 高频提升滤波器
C. 高频加强滤波器
D. 理想高通滤波器
9、图象与灰度直方图间的对应关系是（B）
A. 一一对应
B.多对一
C.一对多
D.都不
10、在亮度变换中，下列那种映射最能够压缩输入部分的高值而更多的体现输入部分中的低亮度值的细节部分（C）。
11、在二维图像的傅立叶变换中，频域原点处变换的值是（D）。
A ．图像所有像素点的最大值B．图像所有像素点的最小值
C．图像所有像素点的平均值D．图像所有像素点的值的和
12、在下列图像压缩方法中，哪种是有损压缩（D）。
A 、哈夫曼编码
B 、算术编码
C、行程 RLE 编码 D 、消除心理视觉冗余的量化压缩
13、图像分割算法一般是基于亮度值的两个基本特征之一：不连续性和相似性，选择下列图像分割方法中不是基于相似性的分割方法（D）。
A. 区域生长
B.分水岭算法
C.聚合算法
D.利用Sobel 算子进行边缘检测分割
14、下图黑色目标点部分存在几个8 连通域（A）。
A.2
B.4
C.6
D.8
二、填空题
1、医学图像处理是一门综合数学方法、计算机工具、医学影像医学图像的处理步骤：一是设计一套切实可行算法；二是编制等多个学科的交叉学科。医学图像处理软件；三是
评价所设计处理方法的可靠性和实用性。
2、医学图像的增强技术分为空域增强和频域增强。分别是对图像的像素直接处理和修改图像的频谱为基础的。
3、医学图像分割方法可以划归为三大类：基于阈值的分割方法、基于边缘的分割方法
和基于区域的分割方法。
4、近年来，新概念、新思想和新方法应用于复杂二维医学图像和高维医学图像或者图像序
列的分割，其中包括数学形态、模糊理论、神经网络、遗传算法、小波分析和变换等。
5、用于图像分割的模式识别方法可分为：分类法和聚类法。
6、根据医学图像所提供的信息，可将医学图像分为两大类：解剖结构图像（CT、MRI、X 线图像等）和功能图像（SPECT，PET等）。
7、除了电磁波谱图像外，按成像来源进行划分的话，常见的计算机图像还包括：光学成像、超声成像、核医学成像三类。
8、三种常用的图像像素点间距离测度是：欧式距离、城区距离和棋盘距离。
9、写出常见灰度变换方式的三种线性灰度变换、非线性灰度变换和部分线性灰度变换。
10、用于描述彩色光源性质的三个基本量是：辐射量、光强和亮度。
11、彩色的三基色是：红、绿和蓝。
12、颜料的三基色是：黄、品红和青。
13、列举三种常用的变换编码方法：预测编码正交变换编码和子频段编码。
14、两种最常用的形态学图像处理操作是：腐蚀和膨胀。
15、灰度图像分割通常基于强度值的两个属性：灰度阶值的不连续性和灰度区域的相似性。
16、列举数字图像处理的三个应用领域：医学、天文学和军事。
17、存储一幅大小为10241024
，256 个灰度级的图像，需要8M bit。(M=1024,N=1024 ）
BM N Q( Byte )
8
。
18、亮度鉴别实验表明，韦伯比越大，则亮度鉴别能力越差。
19、直方图均衡化适用于增强直方图呈尖峰分布的图像。
20、依据图像的保真度，图像压缩可分为无损压缩和有损压缩.。
21、图像压缩是建立在图像存在编码冗余、像素间冗余、心理视觉冗余三种冗余基础上。
22、对于彩色图像，通常用以区别颜色的特性是色调、饱和度和亮度。
三、简答题
1、简述灰度直方图性质？
答： 1） .灰度直方图表征了图像的一维信息，不表示图像的空间信息，即图像所有的
空间信息全部丢失了。2） .灰度直方图与图像之间的关系是一对多的映射关系。
3 ） .子图直方图之和为整幅图的直方图。
2、简述四叉树遍历的区域分裂合并算法？
答：如果把树的根对应于整个图像，树叶对应于各单位像素，所有其他的节点往下都有
四个子节点，那么这样的树称为四叉树。通常，采用四叉树结构中四叉树的生长和剪切过程
可以有效解决分裂——合并算法中区域的遍历问题。特别当图像是一个正方形的矩阵，即其维数是 2n2n时，最宜采用这种技术。四叉树剪枝和图像区域分裂和合并示意图如图所示。
如果图像中某一块的特征存在不均匀性时就将该块分裂成四个相等的区域 , 四叉树生长；当某
一层的四个小块的特征具有某种一致性时候 , 则将它们合并成一个大块 , 四叉树剪切；当图像中各个区域都满足均匀性，进一步的分裂和合并都不可能，四叉树生长和剪枝过程结束。
3、简述医学图像计算机辅助检测和诊断技术的目的？
答：第一，帮助放射科医生改善检测效果（包括提高检测敏感性和特异性，以及读片的效率）；第二，提供医生定量分析的工具以便更准确地诊断肿瘤以及其它疾病的严重程度。目前，CAD软件和系统并没有在医学临床实践中得到使用。
4、简述梯度法与 Laplacian算子检测边缘的异同点？
答：梯度算子和 Laplacian检测边缘对应的模板分别为
-1-111
11-41
1
（梯度算子）（ Laplacian算子）（2 分）梯度算子是利用阶跃边缘灰度变化的一阶导数特性，认为极大值点对应于边缘点；而
Laplacian 算子检测边缘是利用阶跃边缘灰度变化的二阶导数特性，认为边缘点是零交叉点。
相同点都能用于检测边缘，且都对噪声敏感。
5、简述离散傅立叶变换的性质及在图像处理中的应用？
答：性质：分离性，平移性，周期性，共轭对称性，旋转不变性，分配性和比例性
应用：它是图像处理中的一个最基本的数学工具，利用这个工具可以对图像进行频谱分析，
滤波，降噪等处理，例如可以用低通滤波器滤掉图像中的高频噪声等。
6、小波变换有哪些特点和性质？
答：
小波变换的特点：多分辩率的观察和处理；易于控制各种噪声；具有与人视觉系统相吻合的
对数特征；能量集中等。
小波变换的性质有：尺度可变性、平移性、多分辩率一致性、正交性。
7、简述图像分割中区域生长算法和分水岭算法的基本原理和步骤？
答：一、区域生长法
最简单的区域生长法是从一个种子像素点出发，按照某种连通方式和规则来检查周围邻近的
像素点，如果具有和种子像素点相似的性质，就说明它们属于同一区域，这种算法有点类似于计算机图形学中的多边形种子填充算法。种子点的选取直接影响到分割的最终结果。
假设检测出 N 个种子点S
i
,i 1,2, , N ,
对应于 N 个初始区域
R
i
, i
1,2, , N 。区域增长
过程描述如下：
（1）所有像素设置为未标记状态；（2）设置
i 1;
（3）清空队列 Q，将种子点S
i标记为
i
, 并将其放入队列 Q中；
（4）如果队列 Q非空，则从中取出一点 P，分别处理其 8－邻接像素，如果某未标记的邻接
像素对应数值按照某种相似性规则判定与 P 点对应数值相近，则将该邻接像素标记为 P点标号, 并将其放入队列 Q中；
（5）重复步骤（ 4），直到队列为空；
（6）设置i i1
，如果
i N
，则回到步骤（ 3）继续进行。
经过以上处理，图像中相关像素都被标记，各区域R
i由所有标记为 i 的像素组成。我们就得
到了图像的初始分割。
分水岭算法是根据测地学的拓扑原理，极小值与区域为汇水盆，汇水盆的边缘为分水岭，以象素的灰度值来体现其 3D 的高度。
步骤：假设有水从各谷底涌出并且水位逐渐增高，如果从两个相邻谷底涌出的水的水位高过其
间的山峰，这些水就会汇合，根据分割目标的要求控制汇合的程度来达到分割的目的。
四、计算题
1、已知原始医学灰度图像I
o，写出线性变换的公式和线性灰度变换后的图像
I
t，其中灰度
变换系数为 2.0，亮度系数为 30。要求灰度变换后的图像最大灰度值不超过255。
10305
I o 154590
3560120
答：医学图像线性灰度变换的公式为：
G t n, k2G o n, k30
线性灰度变换后的图像I
t为：
509040 I t60120210
100150255
2、已知高精度医学图像I
o，写出开窗变换的公式和开窗变换后的图像
I
w，其中开窗变换
的窗位为1078，窗宽为 255。
10861102120312741349
I o
123321578816974 10521089110911241090 11301120111611001084
答：将窗位和窗宽的已知数值代入，得高精度医学图像开窗变换的公式为：
0G o n, k951
255 G o n, k951
G o n, k1205
G w n, k
255951
255G o n, k1205
由此可得开窗变换后的图像I w为：
135151252255255
I w
000023 101138158173139 179177165149133
3、已知原始医学图像I
o，写出图像逆时针旋转 90
度的旋转公式和旋转后的图像
I
r 。
10861102120312741349
123321578816974
I o
1089110911241090
1052
11301120111611001084
答：由于用矩阵表示图像时，纵坐标方向通常朝下，将r
900
代入，得图像逆时针
旋转 90 0的旋转公式：
n r k o
k r n o
首先得到图像I
o中各像素点对应的坐标：
1086 1102
1203 1274 1349
0,0 0,1 0,2 0,3 0,4
123 321 578 816 974 I o
1,0 1,1 1,2 1,3 1,4
1052 1089
1109 1124 1090
2,0 2,1 2,2 2,3 2,4 1130 1120
1116 1100 1084
3,0
3,1
3,2
3,3
3,4
将坐标原点移至图像中心，当图像的行数 (高度 )或列数 (宽度 )为偶数时，图像中心不能
确定，必须在行或列的末端补充一行或一列，使行数和列数都为奇数，图像 I o
中的行数为
偶数，补充一行并平移后的图像
I o
中各像素点对应的坐标如下：
1086 1102
1203
1274 1349 2, 2 2, 1 2,0 2,1 2, 2 123
321 578
816 974
1, 2
1, 1
1,0 1,1 1,2 I o
1052 1089 1109 1124 1090
0, 2
0,
1
0,0 0,1 0, 2
1130
1120 1116 1100 1084 1, 2 1, 1 1,0 1,1 1,2
0 0 0
2, 2
2, 1
2,0
2,1
2, 2
将
n
o
2 ， k
o
2
代入得
n
r
2 ，
k
r
2
，由此可知， 图像
I
o
中像素点
2,
2 逆
时针旋转 90 0
后对应旋转后的图像
I r
中像素点
2,
2
。由于图像 I
o
中像素点 2, 2 对应
的像素值为 1086 ，所以，旋转后的图像 I r
中像素点
2,
2
对应的像素值为
1086 。按照这
种方法， 将
n o
2 ， k
o
1
，L ，
n o
2 ， k
o
2
依次代入式 (3.15) 得
n r
1，
k
r
2 ，
L ，
n
r
2 ，
k
r
2
，根据像素点的对应关系可得旋转后的图像
I r
各像素点对应的像素
值为：
1349
974 1090
1084
0 2, 2
2, 1
2,0 2,1 2,2 1274 816 1124 1100
1, 2 1, 1
1,0 1,1 1,2
I r
1203 578 1109 1116
0, 2
0, 1
0,0 0,1 0,2
1102 321 1089 1120
0 1, 2 1, 1 1,0 1,1 1,2
1086 123 1052
1130
2, 2
2, 1
2,0
2,1
2,2
得旋转后的图像
I r
为：
1349 974 10901084 1274 816 11241100
I r1203 578 11091116
1102 321 10891120
1086 123 10521130
4、已知原始医学图像I
o，写出图像直接缩小法的公式和缩小后的图像
I
zo，其中，图像高
度和宽度方向的缩放系数都是0.5。
10861102120312741349
123321578816974
I o
1089110911241090
1052
11301120111611001084
答：图像直接缩小法的公式为：
n
zo0.5 n o11
k
zo0.5 k o11
首先得到图像I o
中各像素点对应的坐标：
10861102120312741349
0,00,10,20,30,4
123321578816974
I o
1,01,11,21,31,4
10521089110911241090
2,02,12,22,32,4
11301120111611001084
3,03,13,23,33,4
n
zo的最大取值为 1 ，k
zo的最大取值为
1 ，变换得：
n o2n zo1
k o2k zo1
将n
zo
，
k
zo
代入得
n
o
1
，
k
o
1
。可见，缩小后的图像
I
zo中的像素点
0,0
与原始图像
I
o中的像素点1,1对应，根据像素点的对应关系可得缩小后的图像I
zo各像素点对应的像素值为：
I zo
321816 11201100
5、已知原始医学图像I
o，写出图像双线性插值法的公式和放大后的图像
I
h，其中，图像高
度和宽度方向的缩放系数都是 2.0。
I o 答：图像宽度方向线性插值的公式为：
321 816 11201100
G w n o , k w G o n o, k o k w G o n o , k o 1 G o n o , k o
k o0
3
G w n o , k w G o n o ,k o k w2k o 1 G o n o , k o 1 G o n o , k o
others
2
图像高度方向线性插值的公式为：
G h n h ,k w G w n o , k w n h G w n o1,k w G w n o ,k w
n o0
3
G h n h , k w G w n o ,k w n h2n o1G w n o1,k w G w n o, k w
others
2
将图像I
o中各像素点对应的坐标表示如下：
321816
I o
0,00,1
11201100
1,01,1
图像宽度方向的放大，当n
o
和
k
o
时，
k
we 的值为3，将
k
w0,1,2,3 ，n o0 和
k o 0
代入，可得
G
w0,0321，L， G w0,3
816
，同理，将
k
w0,1,2,3 ， n o1
和k
o0 代入，可得
G
w
1,0
1120 ，L，
G
w1,3
1100
，宽度方向放大后图像I w为：
321486651816
I w
0,00,10,20,3
1120111311061100
1,01,11,21,3
下面对图像
I
w进行高度方向的放大，由式
(3.34)和 (3.40)可知，当
n
o
和
k
w
时，
n he
的值为 3 ，将n h0,1,2,3
，
n o0
和
k w0G h 0,0321
，
L
，
代入公式，可得
G h3,01120
，同理，将 n h0,1,2,3 ， n o 0 和 k w1,2,3 代入，可得G h0,1321，
L ，G
h3,3
1100
，因此可得图像高度方向放大后的图像I h为：
321486651816
I h
587 695 802910
853 904 954 1005
1120 1113 1106 1100
6、已知有一幅大小为64× 64 的图像，灰度级为8，图像中各灰度级的像素数目如表所示。要求如下：画出原图像的直方图；利用直方图均衡化方法求出均衡化后新图像的直方图。
k n k k n k
07904329
110235245
28506122
答：（ 1）画原图像的直方图
①归一化灰度级，即求 rk=k/(L-1)=k/7，结果如表所示。
k rk Pr(rk)=nk/n
0=00.19
1=1/70.25
2=2/70.21
3=3/70.16
4=4/70.08
5=5/70.06
6=6/70.03
7=10.02
②计算第 k 个灰度级出现的概率 pr(rk)=nk/n=nk/4096，结果如表所示
③ 所画的原图像的直方图如图所示
0.15
0.10 0.05
r k 1234561
777777
（2）利用直方图均衡化方法求出均衡化后的新图像的直方图。
① 根据直方图均衡化公式求变换函数的各灰度等级值。
s0
n j790
0.19 T (r0 )
n4096
j0
s11n j7901023
0.44
T (r1)
n40964096
j0
s22n j7901023850
T (r2 )
n409640960.65
j04096
同理有：s3 0.81;s4 0.89 ; s50.95 ; s6 0.98; s7 1.0
对应的变换函数如图所示
s k
1.00
0.80
0.60
r k
0.401234561
777777
② 将所得的变换函数的各灰度等级值转化成标准的灰度级别值
先将 sk 值按靠近原则对应到原灰度级别中:
分数值： 01/72/73/74/75/76/71
十进制值：0 0.143 0.286 0.429 0.571 0.714 0.857 1
比较可得：
1356
s0; s1; s2; s3 s4; s5 s6 s7 1
7777
求新图像的各灰度级别值s I’（ l=0,1,,7 ）的像数数目
由前一步获得的各灰度等级值可知，在新图像中：
◆不存在值为0 的灰度级别值，也即新图像中灰度级别s0’ =0 的像素个数为m0=0。
◆存在值为1/7 的灰度级别值，且由 s0≈ 1/7 和 s0=T(r0)可知，新图像中灰度级别为s1’ = 1/7的像素对应于原图像中灰度级为k＝0 的像素，其像素个数m1=n0=790。
不存在值为2/7 的灰度级别值，也即新图像中对于s2’ =2/7 ，其像素个数=0。
◆存在值为3/7的灰度级别值，且由s1≈ 3/7和s1=T(r1)可知，新图像中灰度级别为
s3’ =3/7的像素对应于原图像中灰度级为k=1 的像素，其像素个数为m3=n1=1023 。
◆不存在值为4/7 的灰度级别值，也即新图像中对于s4’=4/7 ，其像素个数m4=0。
存在值为5/7 的灰度级别值，且由 s2≈ 5/7 和 s2=T(r2) 可知，新图像中灰度级别为s5’=5/7的像素对应于原图像中灰度级为k=2 的像素，其像素个数为m5=n2=850 。
◆存在值为6/7 的灰度级别值，且由s3≈ 6/7 和 s3=T(r3)，以及s4≈6/7和s4=T(r4)可知，新图像中灰度级别s6’ =6/7的像素，对应于原图像中灰度级为k=3 和 k=4 的像素，其像素个数为m6=n3+n4=656+329=985。
存在值为7/7 的灰度级别值，且由s5≈ 1 和 s5=T(r5)、s6≈ 1和s6=T(r6)，以及s7≈ 1和 s7=T(r7) 可知，新图像中灰度级别为s7’=1 的像素，对应于原图像中灰度级为k=5、k=6和k=7 的像素，其像素个数为 m7=n5+n6+n7=245+122+81=448。
④用S K代替S I’（ k,I=0,1,,7 ），并求新图像中各灰度级别的概率ps(sk)=mk/n=mk/4096，结果如表所示。
K S K M K P S(S K)=M K/n
0000
11/77900.19
22/700
33/710230.25
44/700
55/78500.21
66/79850.24
714480.11
⑤ 画出经均衡化后的新图像的直方图，如图所示。
p s ( s k ) 0.25
0.20
0.15
123456
777777
s k 1
例 1 已知有一幅大小为 64×64 的图像，灰度级为 8，图像中各灰度级的像素数目如表所示。要求如下：画出原图像的直方图；利用直方图均衡化方法求出均衡化后新图像的直方图。
k n k k n k
07904329
110235245
28506122
3656781解：（1 ）画出原图像的直方图
①按照公式r
k
k L 1
归一化灰度级，结果如表所示归一化分布
及概率
k r k p r r k k r k p r r k 0r0=00.194r4=4/70.08 1r1=1/70.255r5=5/70.06 2r 2=2/70.216r6=6/70.03 3r3=3/70.167r7 =10.02画出原始图像的直方图，如图所示：
原始图像直方图
均衡后图像直方图
（2） 对原图像进行直方图均衡处理
① 根据公式求出变换函数的各灰度级 (累积直方图 )：
s 0=0.19 ，s 1=0.44 ，s 2=0.65 ，s 3=0.81 ，s 4=0.89 ，s 5=0.95 ， s 6=0.98 ，s 7=1.00 。
② 把求得的 s
k 归入到离原始图像灰度级最近的灰度级别值中， 得
到：
原图像的 8 个灰度级的分数形式及对应的十进制数值
分数值
0 1/7 2/7 3/7 4/7 5/7 6/7 1
十进制数值
0 0.143
0.286
0.429
0.571
0.714
0.857
1
s 0≈1/7 ，s 1≈3/7 ， s 2≈5/7 ，s 3 = s 4≈6/7 ，s 5= s 6= s 7≈1
即均衡化的新图像只有 5 个灰度级，原始图像中像素数比较少的灰度级被合并掉了。
③ 求新图像各灰度级的像素数。
经上一步骤对灰度级进行归并后，新图像具有
5 个灰度级，即：
S 0
1
, S 1
3
, S 2
5
, S 3
6
, S 4 1
7
7
7 7
根据②的计算结果可知，
r
k
和 s
k
存在以下映射关系：
r 0~s 0，r 1~s 1，r 2~s 2，r 3 与 r 4~s 3，r 5、r 6 与 r 7~ s 4，因此，新图像的 5 个灰度级所拥有的像素数为别为： 790 ，1023 ，850 ，985 ，
448 。按照以下公式计算新图像的归一化直方图：
n k
p s s k
N
7、已知图像 I o
，写出利用 Kirsch 边缘检测算法所得到的边缘图像
EI ，其中预设阈值为 500。
0 0 10 20 0 5 220 225 240 2 I o
8 20 25 4 6 7 11
12
9
6
答：首先构造出八个滤波模板， 然后将图像
I
o
中各像素点对应的坐
标值描述如下：
0010200 0,00,10,20,30,4 52202252402
I o
1,01,11,21,31,4 6820254 2,02,12,22,32, 4 7111296 3,03,13,23,33,4
不考虑图像的边界点，从图像的像素点(1 ，1) 开始，依次取出除边界点之外的所有像素点，用八个滤波模板对这些像素点滤波，对每个像素点的八个滤波值求最大值可得各像素点的最终滤波值依次为1218 、1389 、1242 、2202 、3230 、2326 ，对于边界点可认为滤波值是图像的原始值，这样可得滤波图像。
0010200
51218138912422
FI
2202323023264
6
7111296
从滤波图像 FI 的起始像素点0,0
开始，在宽度方向依次取出相
邻的三个像素点，求得各极值点和非极值点的像素值，得宽度方向的极值点图像。
000200
50138902
MI w
0323004
6
701206
从滤波图像 FI 的起始像素点0,0
开始，在高度方向依次取出相
邻的三个像素点，求得各极值点和非极值点的像素值，得高度方向的极值点图像。
0010200
00000
MI h
2202323023260
7111296
从宽度方向的极值点图像MI
w 和高度方向的极值点图像
MI
h 的起始
像素点0,0
开始，依次取出每一个像素点，得总的极值点图像。
0 0 10 20 0 5 0 1389 0 2
MI
2202 3230 2326 4 6 7
11
12 9 6
从极值点图像 MI 的起始像素点
0,0
开始，依次取出每一个像素点
的像素值，得边缘图像。
0 0
0 0
255
EI
0 255 255 255 0 0 0 0 0 0
8、设一幅图像有如图所示直方图，对该图像进行直方图均衡化，写出均衡化过程，并画出
均衡化后的直方图。若在原图像一行上连续
8 个像素的灰度值分别为： 0、 1、 2、 3、 4、5、
6、 7，则均衡后，他们的灰度值为多少？
9、对下列信源符号进行Huffman 编码，并计算其冗余度和压缩率。
符号a1a2a3a4a5a6
概率0.10.40.060.10.040.3答：霍夫曼编码：
原始信源信源简化符号概率1234
a20.40.40.40.40.6 a60.30.30.30.30.4 a10.10.10.20.3
a40.10.10.1
a30.060.1
a50.04
霍夫曼化简后的信源编码：
从最小的信源开始一直到原始的信源
编码的平均长度：
L avg (0.4)(1)(0.3)(2)(0.1)（3） (0.1)(4)(0.06)(5)(0.04)(5) 2.2bit/ 符号
压缩率： C R
n13
L
avg
1.364
2.2
冗余度： R D
11
0.2669 11
C R 1.364
10、已知图像的灰度分布是 :
I12345678
p172135352171
（其中 i 表示图像灰度值，p 表示对应灰度值在图像中点的数目）
写出直方图均衡化的基本步骤并对上述图像进行直方图均衡化，写出其均衡化过程。
答： 1）、由灰度分布图可知各灰度值的点数， h＝[1,7,21,35,35,21,7,1] 2）、
计算其概率分布，设 N 为总的点数
h(i)=h/N=[1/128,7/128,21/128,35/128,35/128,21/128,7/128,1/128]
3）、其概率累积分布，
8* hp(i )i
hp(i)=h(k) =[ 1/128,8/128,29/128,64/128,99/128,120/128,127/128,128/128] 0k 0
4）、设函数f(x,y)为原图像 (x,y)点的灰度值，经过直方图均衡化后的灰度值为g(x,y) ，其计算公式为：
f(x,y)=1则 g(x,y)=1
f(x,y)=8则 g(x,y)=8
其它情况 g(x,y)=f(x,y)× hp(f(x,y))，得到结果为：
F(x,y)12345678
G(x,y)11246888
11、图像压缩中主要利用哪些类型的冗余？如何进行压缩？对于已知符号a，e，i ，o，u，v 其出现的概率分别是0.3, 0.2, 0.07, 0.15, 0.03, 0.25，对其采用霍夫曼编码进行压缩，给出码
字、码字的平均长度和编码效率，画出霍夫曼编码树。
答：图像中存在编码冗余、象素间冗余和心理视觉冗余，压缩是通过去除三个基本数据冗余中
的一个或多个来达到的。
经过霍夫曼编码进行压缩后的码字为：
0 1 23 4 5
11 00 0100 011 0101 10
平均编码长度为 2.35, 编码效率提高了：(3 － 2.35)/3*100%=21.6%
图自己画
12、介绍形态学方法在图像处理中的作用，并对下图做膨胀、腐蚀运算。如图所示，X 是待处理图像，黑点代表目标，白点代表背景； B 是结构元素，原点在中心。试分别计算出B 对X做膨胀运算和腐蚀运算的结果。
答：
13、介绍形态学方法在图像处理中的作用，并对下图做开、闭运算。X 是待处理图像，黑点代表目标，白点代表背景； B 是结构元素，原点在中心。试分别计算出 B 对X 做开运算和闭运算的结果。
开运算闭运算
14、分别用 3× 3 的 Sobel 水平算子和Prewitt 垂直算子对下图灰色区域进行计算，写出其模
板和计算结果，并分析在图像的处理过程中该如何选择适当的滤波器（模板的大小和权值）。
答：sobel 算子突出中心垂直或水平方向上对应点的响应值（P74）
121
000
-1-2-1
Prewitt算子在差分计算中其权值为 1
－ 101
－ 101
－ 101
Sobel 水平算子对图进行处理的结果为
－ 1 -3-4
-22 -102
1-11
Prewitt垂直算子对图进行处理的结果为
1-14 3
2-13 1
－ 1 02
数字图像处理 实验一 MATLAB数字图像处理初步 一、显示图像 1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中； 2．利用whos 命令提取该读入图像flower.tif的基本信息； 3．利用imshow()函数来显示这幅图像； 实验结果如下图： 源代码： >>I=imread('lily.tif') >> whos I >> imshow(I) 二、压缩图像 4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息； 5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。 6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。7．用imread()读入图像Sunset.jpg和Winter.jpg； 8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小； 9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。 其中9的实验结果如下图：
源代码： 4~6(接上面两个) >>I=imread('lily.tif') >> imfinfo 'lily.tif'； >> imwrite(I,'lily.jpg','quality',20); >> imwrite(I,'lily.bmp'); 7~9 >>I=imread('Sunset.jpg'); >>J=imread('Winter.jpg') >>imfinfo 'Sunset.jpg' >> imfinfo 'Winter.jpg' >>figure(1),imshow('Sunset.jpg') >>figure(2),imshow('Winter.jpg') 三、二值化图像 10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。实验结果如下图： 源代码： >> I=imread('lily.tif') >>gg=im2bw(I,0.4); F>>igure, imshow(gg)
医学图像处理实验报告 班级专业姓名学号 实验名称：图像增强 一、实验目的 1：理解并掌握常用的图像的增强技术。 2：熟悉并掌握MA TLAB图像处理工具箱的使用。 3：实践几种常用数字图像增强的方法，增强自主动手能力。 二、实验任务 对于每张图像(共三张图片)，实现3种图像增强方法。根据图像的特点，分别选用不用的图像增强算法。 三、实验内容（设计思路） 1、artery_vessel (1)直方图均衡化 直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。灰度直方图是图像预处理中涉及最广泛的基本概念之一。 图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。 直方图均衡化是指：采用累积分布函数（CDF）变化生成一幅图像，该图像的灰度级较为均衡化，且覆盖了整个范围[0，1]，均衡化处理的结果是一幅扩展了动态范围的图像。直方图均衡化就是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。主要用途是：将一幅灰度分布集中在较窄区间，细节不够清晰的图像，修正后使图像的灰度间距增大或灰度分布均匀，令图像的细节清晰，达到图像增强的目的。 (2)中值滤波加直方图均衡化 中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，
C h a p t e r1 1.A n i m a g e m a y b e d e f i n e d a s a t w o-d i m e n s i o n a l f u n c t i o n,f(x,y),w h e r e x a n d y a r e s p a t i a l c o o r d i n a t e s,a n d t h e a m p l i t u d e o f f a t a n y p a i r o f c o o r d i n a t e s (x,y)i s c a l l e d t h e i n t e n s i t y o r g r a y l e v e l o f t h e i m a g e a t t h a t p o i n t. 2.I m a g e p r o c e s s i n g i n c l u d e s i m a g e a c q u i s i t i o n,i m a g e s t o r a g e,i m a g e t r a n s m i s s i o n a n d d i g i t a l i m a g e p r o c e s s i n g. 3.L o w l e v e l p r o c e s s i n v o l v e s p r i m i t i v e o p e r a t i o n s s u c h a s i m a g e p r e p r o c e s s i n g t o r e d u c e n o i s e,c o n t r a s t e n h a n c e m e n t,a n d i m a g e s h a r p e n i n g. 4.M i d-l e v e l p r o c e s s i n v o l v e s t a s k s s u c h a s s e g m e n t a t i o n,d e s c r i p t i o n,a n d c l a s s i f i c a t i o n (r e c o g n i t i o n)o f i n d i v i d u a l o b j e c t s. 5.A s f o r m i d-l e v e l p r o c e s s,i t s i n p u t s a r e i m a g e s,b u t i t s o u t p u t s a r e a t t r i b u t e s e x t r a c t e d f r o m t h o s e i m a g e s. 6.D i g i t a l i m a g e p r o c e s s i n g e n c o m p a s s e s p r o c e s s e s w h o s e i n p u t s a n d o u t p u t s a r e i m a g e s a n d,i n a d d i t i o n,e n c o m p a s s e s p r o c e s s e s t h a t e x t r a c t a t t r i b u t e s f r o m i m a g e s,u p t o a n d i n c l u d i n g t h e r e c o g n i t i o n o f i n d i v i d u a l o b j e c t s. 7.I m a g e r e s t o r a t i o n i s b a s e d o n m a t h e m a t i c a l o r p r o b a b i l i s t i c m o d e l s o f i m a g e d e g r a d a t i o n. 8.I m a g e c o m p r e s s i o n i s t o r e d u c e t h e s t o r a g e r e q u i r e d t o s a v e a n i m a g e,o r t h e b a n d w i d t h r e q u i r e d t o t r a n s m i t i t. 9.M o r p h o l o g i c a l p r o c e s s i n g i s t o e x t r a c t i m a g e c o m p o n e n t s t h a t a r e u s e f u l i n t h e
1.单元数组：单元数组中的数据成员是用数字来标识的，是每一个元素为一个单元的数组 2.结构体：结构体的数据成员是用名称来标识的，组成成员为字段，结构体采用点号来调 用（访问）字段中的数据；７ 3.灰度图像：灰度图像对应着一个数据矩阵（二维数组），数组元素的值表示图像在该位 置上的亮度值；２３ 4.二值图像：灰度级为2的图像就是二值图像，二值图像只有两个颜色，黑与白；２３ 5.RGB图像：RGB图像有三个颜色值，用mxnx3数组表示，分别表示红色值。绿色值、蓝 色值；２３ 6.HSV图像：ＨＳＶ图像也是用mxnx3数组表示的，三个矩阵分别表示色彩值、饱和度、 亮度；２４ 7.索引图像：索引图像由数值矩阵和颜色映射数组组成，数值矩阵是每个像素的颜色索引 编号，通过这个编号到颜色数组中寻找颜色；２４ 8.ＪＰＥＧ图像ＪＰＥＧ标准时目前比较流行的连续色调静止画面标准，是一种很灵活的 格式，具有调节图像质量的功能，允许用不同的压缩比列对文件进行压缩，支持多种压缩级别；２７ 9.ＧＩＦ图像：ＧＩＦ文件的数据时一种基于ＬＺＷ算法的、连续色调的无损压缩的格式， 分为静态ＧＩＦ和动画ＧＩＦ两种；２７ 10.ＭＰＥＧ图像：是国际标准化组织制定的标准，可以压缩视频、音频。动画数字形式； ２９ 11.基于图像的动画制作：动画效果是由一幅幅图形变化产生的，如果这些图形来自于图像， 那么就称改动画为基于图像的动画；３１ 12.最近邻插值方法：最近邻插值方法是ｉｍｒｅｓｉｚｅ函数默认的插值方法，就是令变 换后像素的灰度值等于距它最近的输入像素的灰度值；３９ 13.双线性插值方法：双线性插值是由两个变量的插值函数的线性插值扩展，其核心 思想是在两个方向分别进行一次线性插值；４１ 14.双立方插值方法：“双”的意思就是在计算了横向插值影响的基础上，把上述运算 拓展到二维空间，再计算纵向插值影响的意思，双立方插值的每个插值是由它附近的（4 x 4）个邻近象素值推算出来的，双立方插值算法能够得到相对清晰的画面质量，不过计算量也变大；４１ 15.领域操作：是指在图像操作时，输入要处理的像素的某领域内各个像素值，输出 要处理的像素的新值；４８ 16.分离块操作：使用函数ｃｏｌｆｉｌｔ进行图像领域ｄｉｓｔｉｎｃｔ操作５６ 17.图像增强：是对图像进行操作，得到视觉更好或者更有用的新图像；５９ 18.灰度调整：灰度调整方法是基于灰度直方图的一种图像增强方法，增加灰度图像 的明暗对比度，使图像变得更加清楚；６０ 19.图像滤波：滤波是一种应用广泛的图像处理技术，可以通过滤波来强调或删除图 像的某些特征，滤波是一种领域操作，即处理后的图像每个像素值是原来像素周围的颜色值经过某种计算得到的；６９ 20.图像矩阵的特征值：设 A 是n阶方阵，如果存在数m和非零n维列向量x，使得 Ax=mx 成立，则称m 是A的一个特征值。非零n维列向量x称为矩阵A的属于（对应于）特征值m的特征向量；８４
实验1 图像的特性及图像处理初步 1 实验目的 了解MatLab 软件/语言学，会使用MatLab 的图像处理工具箱(Image Processing Toolbox)。使学生初步具备使用该软件处理图像信息的能力，并能够利用该软件完成本课程规定的其他实验和作业。 了解图像的基本特性，以及对图像进行简单运算后其性质的变化，学习对图像进行基本处理并评价处理结果。 2 实验要求 学生应当基本掌握MatLab 的操作，掌握MatLab 图像处理工具箱中最常用的函数的用法，会用该软件调入/保存图像数据，会利用该软件对图像进行简单的计算，例如四则运算等，并观察运算的结果加深对于象素和数值之间的关系的理解。 3 实验内容与步骤 (1) 学习MatLab 的基本操作 (2) 调入并显示图像 lena.gif lane = imread('lena.gif'); figure; imshow(lane); (3) 在图像 lena.gif 和图像的数据上进行加减乘除一个常数观察计算结果 l1 = imadd(lane,100); figure; imshow(l1); title('加法') l2 = imsubtract(lane,50); figure; imshow(l2); title('减法') l3 = immultiply(lane,0.6); 原始图 像
figure imshow(l3) title('乘法') l4 = imdivide(lane,2); figure imshow(l4); title('除法'); 从图中可以看出，当加法处理时，图像灰度值增加而变亮，减法时图像灰度值 减小而变暗，由于乘法参数为0.6，相当于减小灰度值；而 (4) 利用 imcrop 函数对图像 lena.gif 的头部进行剪裁，然后显示剪裁的结果 l5 = imcrop(lane,[55,50,180,212]); figure imshow(l5) 加 法
医学图像处理复习重点 1、图像：事物的一种表示、写真或临摹，…..，一个生动的或图形化的描述，是对事物的一种表示。 2、图像的分类：（1）数学函数产生的图像（2）可见的图像（3）不可见的物理图像 3、图像表示：常见图像是连续的，用f（x,y）表示一幅图像，其中x,y表示空间坐标点的位置，f 表示图像在点（x,y）的某种性质的数值，如亮度等。f ,x,y可以是任意实数。 4、数字图像处理的定义（两方面）：对一个物体的数字表示施加一系列的操作以达到某种预期的结果，它包括以下两方面内容：（1）将一幅图像变为另一幅经过加工的图像，是图像到图像的过程。（2）将一幅图像转化为一种非图像的表示，如一个决策等。 5、数字图象处理系统的基本组成结构：（1）图象数字化设备：扫描仪、数码相机、摄象机与图象采集卡等。（2）图象处理计算机：PC、工作站等，它可以实现通信（通信模块通过局域网等实现网络传输图像数据）、存储（存储模块采用磁盘、光盘）和图像的处理与分析（主要是运算，用算法的形式描述，用软件实现）。（3）图象输出设备：打印机等。 6、研究的内容：（1）图像增强技术（2）图像配准技术（3）图像分割技术（4）图像三维显示技术（5）医学图像数据库 7、黑白图像：是指图像的每个像素只能是黑或者白，没有中间的过渡，故又称为2值图像。2值图像的像素值为0、1。 8、灰度图像：每个象素的亮度用一个数值来表示，通常数值范围在0到255之间，即可用一个字节来表示，0表示黑、255表示白，而其它表示灰度。以上两种为非彩色图像。 9、彩色图像：彩色图象可以用红、绿、蓝三元组的二维矩阵来表示。通常，三元组的每个数值也是在0到255之间，0表示相应的基色在该象素中没有，而255则代表相应的基色在该象素中取得最大值，这种情况下每个象素可用三个字节来表示。 10、像素的性质：图像是由一些极小尺寸的矩形小块组合而成的。组成图像的这种最小基本元素称作象素（Pixel）。 例如，一幅MR图像在水平方向上有256个象素，垂直方向上也有256个象素。整幅图像共有256=65536 256个象素。这就是图像的大小（size），又称作图像的尺度。图像尺度的计算公式为 S＝Nx*Ny 11、物理尺寸：象素本身也有自己的大小，即对应实际物体空间的大小。 12、强度：对于黑白图像来说，图像的强度是用灰度的等级（Gray level）表示的。灰度等级往往用2的整数次幂表示，例如8bit（256 个灰度等级）。 13、图像的运算（算术运算加减乘除较多、逻辑运算较少）： 13.1算术运算 13.1.1加法运算的定义：C(x,y) = A(x,y) + B(x,y) 主要应用举例：（1）去除“叠加性”噪音（2）生成图象叠加效果 （1）去除“叠加性”噪音 对于原图象f(x,y),有一个噪音图象集{ gi(x,y) } i =1,2,...M其中：gi(x,y) = f(x,y) + h(x,y)iM 个图象的均值定义为：g(x,y) = 1/M (g0(x,y)+g1(x,y)+…+ gM(x,y))当：噪音h(x,y)i为互不相关，且均值为0时，上述图象均值将降低噪音的影响。 （2）生成图象叠加效果 对于两个图象f(x,y)和h(x,y)的均值有：g(x,y) = 1/2f(x,y) + 1/2h(x,y)会得到二次暴光的效果。推广这个公式为：g(x,y) = αf(x,y) + βh(x,y)其中α+β= 1我们可以得到各种图象合成的效果，也可以用于两张图片的衔接
^ | You have to believe, there is a way. The ancients said:" the kingdom of heaven is trying to enter". Only when the reluctant step by step to go to it 's time, must be managed to get one step down, only have struggled to achieve it. -- Guo Ge Tech 医学图像处理技术 摘要：随着医学成像和计算机辅助技术的发展，从二维医学图像到三维可视化技术成为研究的热点，本文介绍了医学图像处理技术的发展动态，对图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。在比较各种技术在相关领域中应用的基础上，提出了医学图像处理技术发展所面临的相关问题及其发展方向。关键词：医学图像处理；图像分割；图像配准；图像融合；纹理分析 1．引言 近20 多年来，医学影像已成为医学技术中发展最快的领域之一，其结果使临床医生对 人体部病变部位的观察更直接、更清晰，确诊率也更高。20 世纪70 年代初，X-CT 的发明 曾引发了医学影像领域的一场革命，与此同时，核磁共振成像象(MRI :Magnetic Resonance Imaging)、超声成像、数字射线照相术、发射型计算机成像和核素成像等也逐步发展。计算机和医学图像处理技术作为这些成像技术的发展基础，带动着现代医学诊断正产生着深刻的变革。各种新的医学成像方法的临床应用，使医学诊断和治疗技术取得了很大的进展，同时将各种成像技术得到的信息进行互补，也为临床诊断及生物医学研究提供了有力的科学依据。 在目前的影像医疗诊断中,主要是通过观察一组二维切片图象去发现病变体,往往需要借助医生的经验来判定。至于准确的确定病变体的空间位置、大小、几何形状及与周围生物组织的空间关系,仅通过观察二维切片图象是很难实现的。因此,利用计算机图象处理技术对二维切片图象进行分析和处理,实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示,可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析,可以大大提高医疗诊断的 准确性和可靠性。此外,它在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。 本文对医学图像处理技术中的图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。 2．医学图像三维可视化技术 2.1三维可视化概述 医学图像的三维可视化的方法很多，但基本步骤大体相同，如图.。从#$ /&’(或超声等成像系统获得二维断层图像，然后需要将图像格式（如0(#1&）转化成计算机方便处理的格式。通过二维滤波，减少图像的噪声影响，提高信噪比和消除图像的尾迹。采取图像插值方法，对医学关键部位进行各向同性处理，获得体数据。经过三维滤波后，不同组织器官需要进行分割和归类，对同一部位的不同图像进行配准和融合，以利于进一步对某感兴趣部位的操作。根据不同的三维可视化要求和系统平台的能力，选择不同的方法进行三维体绘制，实现三维重构。
计算机医学图像处理 摘要: 本文着重介绍了计算机在医学图像处理方面的应用。主要表现为 CT、数字减影技术、超声图像以及目前正在国际上兴起的体视化技术( Volume Visualization) 等。 关键词: 计算机医学图像体视化技术 1医学图像的种类及其分类 1. 1医学图像种类 现代医学离不开医学影像( 图像) 信息的支持。 而医学研究和临床诊断所需要的医学影像是多种多 样的, 如病理切片图像、X 射线透视图像、CT 和 MRI 扫描影像、核医学影像、超声影像、红外线热成 像图像及窥镜图像等等。 1. 2医学图像分类及用途 功能各异的医学影像分为结构影像技术和功能 影像技术两大类。前者主要用于获取人体各器官解 剖结构图像, 借助此类结构透视图像, 不需要解剖检 查, 医学人员就可以诊断出人体器官的器质性病变。 CT 及MRI 便属于此类结构影像的代表。 然而在人体器官发生早期病变, 但器官外形结 构仍表现为正常时, 器官的某些生理功能, 如新陈代 谢等却开始发生异常变化。此时采用结构影像做结 构解剖性检查便无法及时诊断出病变的器官, 而需 借助基于SPECT 及PET 的功能影像技术。功能影 像能够检测到人体器官的生化活动状况, 并将其以 功能影像的方式呈现出来。 2计算机对医学图像的处理应用 2. 1直接控制成像过程( CT ) 的应用 CT 的本质是一种借助于计算机进行成像和数 据处理的断层图像技术。虽然X 线透视和照相可使 人们了解人体的内部结构, 断层摄影可粗略地表示 病灶的位置, 影像增强系统和静电摄影提高了透视 和断层摄影的分辨率, 但只有CT 通过计算机在排 除散射线和重叠影像的干扰并对X 线人体组织吸 收系统矩阵作定量分析后, 才从根本上解决了分辨 率问题。与普通的X 线透视横断层图像不同的是在 CT 技术中, 用测量X 线强度的检测系统代替作为图像接受器的胶片, X 线管与检测器系统同步旋转 运动: 用检测器以数据矩阵形式多次采集的投影值, 依据反投影原理和一定的数学模型重建图像代替一 次投影直接成像。总之, 计算机在CT 系统中的作用 是至关重要的。它要完成测量数据的采集、图像建 立、图像重建、图像评价和图像存储等任务, 它还要 将透过人体的X 线所组成的数字矩阵经处理、运算 后又变为可见的图像输出。没有计算机技术, CT 设
中南民族大学 计算机科学学院 数字图像处理实验报告年级 专业计算机科学与技术 指导教师 学号 姓名 实验类型综合型 2012年6月5日
一、实验安排 1.实验目的 加深对数字图像处理理论课程的理解,进一步熟悉数字图像处理课程的相关算法和原理。 2.实验内容 实验一：略（放假） 实验二： （1）选择一副图像,叠加椒盐噪声,分别用邻域平均法和中值滤波法对该图像进行滤波,显示滤波后的图像,比较和分析各滤波器的效果。 （2）选择一副图像,叠加零均值高斯噪声,设计一种处理方法,既能去噪声,又能保持边缘清晰。 3.实验环境 Matlab7 二、算法原理 领域平均法有力地抑制了噪声,同时也引起了模糊,模糊程度与领域半径成正比。 中值滤波是一种非线性平滑滤波,在一定的条件下可以克服线性滤波如（平滑滤波）等所带来的图像细节模糊问题,而且对过滤脉冲干扰及图像扫描噪声非常有效。但对某些细节多（特别是点,线,尖顶）的图像不宜采用中值滤波方法。中值滤波是用一个有奇数点的滑动窗口,将窗口中心点的值用窗口各点的中值代替。中值滤波器不像平滑滤波器那样使图像边界模糊,它在衰减噪声的同时,保持了图像细节的清晰。 三、Matlab代码 （1）a.叠加椒盐噪声,用邻域平均法对该图像进行滤波 I=imread('eight.jpg'); J=imnoise(I,'salt & pepper',0.02); subplot(231),imshow(I);title('原图象'); subplot(232),imshow(J);title('添加椒盐噪声图象'); k1=filter2(fspecial('average',3),J); k2=filter2(fspecial('average',5),J); k3=filter2(fspecial('average',7),J); k4=filter2(fspecial('average',9),J); subplot(233),imshow(uint8(k1));title('3*3模版平滑滤波'); subplot(234),imshow(uint8(k2));title('5*5模版平滑滤波'); subplot(235),imshow(uint8(k3));title('7*7模版平滑滤波'); subplot(236),imshow(uint8(k4));title('9*9模版平滑滤波'); b.叠加椒盐噪声,用中值滤波法对该图像进行滤波 I=imread('eight.tif'); I=imread('eight.tif'); J=imnoise(I,'salt & pepper',0.02); subplot(231),imshow(I);title('原图象'); subplot(232),imshow(J);title('添加椒盐噪声图象') k1=medfilt2(J); k2=medfilt2(J,[5 5]); k3=medfilt2(J,[7 7]); k4=medfilt2(J,[9 9]); subplot(233),imshow(k1);title('3*3模板中值滤波'); subplot(234),imshow(k2);title('5*5模板中值滤波'); subplot(235),imshow(k3);title('7*7模板中值滤波'); subplot(236),imshow(k4);title('9*9模板中值滤波');
实验一 yq1 I=imread('');%读黑白图像 subplot(2,2,1);imshow(I) %显示图像 subplot(2,2,2);imhist(I) %显示直方图 J=imadjust(I,[ ],[0 1]);%对比度增强 subplot(2,2,3);imshow(J) subplot(2,2,4);imhist(J) I1=imresize(I,;imview(I1)%缩小 I2=imresize(I,;imview(I2)%放大 I3=imrotate(I,45,'bilinear','crop');imview(I3)%旋转45°%%原图、直方图对比度增强、直方图 %%缩小
%%放大 %%旋转45°
yq2 I=imread(''); imshow(I); I1=rgb2gray(I);%把彩色图像转换成灰度图像figure,imshow(I1); info= imfinfo('')%查询文件信息 imwrite(I1,'D:\yq\小小.png'); %写图像
info = Filename:'C:\MATLAB7\toolbox\images\i mdemos\' FileModDate: '03-May-2003 13:53:58' FileSize: 554554 Format: 'png' FormatVersion: [] Width: 732 Height: 486 BitDepth: 24 ColorType: 'truecolor' FormatSignature: [137 80 78 71 13 10 26 10] Colormap: [] Histogram: [] InterlaceType: 'none' Transparency: 'none' SimpleTransparencyData: [] BackgroundColor: [] RenderingIntent: [] Chromaticities: [] Gamma: []XResolution: [] YResolution: [] ResolutionUnit: [] XOffset: [] YOffset: [] OffsetUnit: [] SignificantBits: [] ImageModTime:'20 Feb 2003 20:53:33 +0000' Title: [] Author: [] Description: [] Copyright: 'Copyright Corel' CreationTime: [] Software: [] Disclaimer: [] Warning: [] Source: [] Comment: [] OtherText: [] yq3 [I,map]=imread(''); imshow(I,map)
摘要： 图像处理，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。图像处理一般指数字图像处理。 数字图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。目前，图像处理演示系统应用领域广泛医学、军事、科研、商业等领域。因为数字图像处理技术易于实现非线性处理，处理程序和处理参数可变，故是一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。本图像处理演示系统以数字图像处理理论为基础，对某些常用功能进行界面化设计，便于初级用户的操作。 设计要求 可视化界面，采用多幅不同形式图像验证系统的正确性； 合理选择不同形式图像，反应各功能模块的效果及验证系统的正确性 对图像进行灰度级映射，对比分析变换前后的直方图变化； 1.课题目的与要求 目的： 基本功能：彩色图像转灰度图像 图像的几何空间变换：平移，旋转，剪切，缩放 图像的算术处理：加、减、乘 图像的灰度拉伸方法（包含参数设置）； 直方图的统计和绘制；直方图均衡化和规定化； 要求： 1、熟悉图像点运算、代数运算、几何运算的基本定
义和常见方法； 2、掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法 3、掌握在MATLAB中进行插值的方法 4、运用MATLAB语言进行图像的插值缩放和插值旋转等 5、学会运用图像的灰度拉伸方法 6、学会运用图像的直方图设计和绘制；以及均衡化和规定化 7、进一步熟悉了解MATLAB语言的应用，将数字图像处理更好的应用于实际2.课题设计内容描述 1>彩色图像转化灰度图像： 大部分图像都是RGB格式。RGB是指红，绿，蓝三色。通常是每一色都是256个级。相当于过去摄影里提到了8级灰阶。 真彩色图像通常是就是指RGB。通常是三个8位，合起来是24位。不过每一个颜色并不一定是8位。比如有些显卡可以显示16位，或者是32位。所以就有16位真彩和32位真彩。 在一些特殊环境下需要将真彩色转换成灰度图像。 1单独处理每一个颜色分量。 2.处理图像的“灰度“，有时候又称为“高度”。边缘加强，平滑，去噪，加 锐度等。 3.当用黑白打印机打印照片时，通常也需要将彩色转成灰白，处理后再打印 4.摄影里，通过黑白照片体现“型体”与“线条”，“光线”。 2>图像的几何空间变化： 图像平移是将图像进行上下左右的等比例变化，不改变图像的特征，只改变位置。 图像比例缩放是指将给定的图像在x轴方向按比例缩放fx倍，在y轴按比例缩放fy倍，从而获得一幅新的图像。如果fx=fy，即在x轴方向和y轴方向缩放的比率相同，称这样的比例缩放为图像的全比例缩放。如果fx≠fy，图像的比例缩放会改变原始图象的像素间的相对位置，产生几何畸变。 旋转。一般图像的旋转是以图像的中心为原点，旋转一定的角度，也就是将图像上的所有像素都旋转一个相同的角度。旋转后图像的的大小一般会改变，即可以把转出显示区域的图像截去，或者扩大图像范围来显示所有的图像。图像的旋转变换也可以用矩阵变换来表示。
1、模拟图像：空间坐标和明暗程度都是连续变化的、计算机无法直接处理的图像。 2、数字图像：空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。是图像的数字表示，像素是其最小的单位。 3、当一幅图像的 x和 y坐标及幅值 f都为连续量时，称该图像为连续图像。 为了把连续图像转换成计算机可以接受的数字形式，必须先对连续的图像进行空间v和幅值的离散化处理。 (1)图像的采样：对图像的连续空间坐标 x和 y的离散化。 (2)图像灰度级的量化：对图像函数的幅值 f的离散化。 4、均值平滑滤波器可用于能否锐化图像？为什么？不能，均值滤波法有力的抑制了噪声，同时也引起了模糊，模糊程度与邻域半径成正比。 5、均匀采样： 对一幅二维连续图像 f(x, y)的连续空间坐标 x和 y的均匀采样，实质上就是把二维图像平面在 x方向和 y方向分别进行等间距划分，从而把二维图像平面划分成 M × N个网格，并使各网格中心点的位置与用一对实整数表示的笛卡尔坐标(I, j)相对应。二维图像平面上所有网格中心点位置对应的有序实整数对的笛卡尔坐标的全体就构8成了该幅图像的采样结果。 6、*均匀量化： 对一幅二维连续图像 f(x, y)的幅值 f的均匀量化，实质上就是将图像的灰度取值范围[0， Lmax]划分成L个等级（L为正整数， Lmax=L-1），并将二维图像平面 上 M× N个网格的中心点的灰度值分别量化成与 L个等级中最接近的那个等级的值。 7、图像增强技术根据处理空间的不同，可以分为哪两种方法？空域方法和频域方法 8、**空间分辨率 ( 1 )空间分辨率是图像中可分辨的最小细节，主要由采样间隔值决定。 (2**)一种常用的空间分辨率的定义*是单位距离内可分辨的最少黑白线对数目(单 位是每毫米线对数)，比如每毫米80线对。另外，当简单地把矩形数字化仪的尺寸看作是“单位距离”时，就可把一幅数字图像的阵列大小 M×N称为该幅数字图像的空间分辨率。 (3)对于一个同样大小的景物来说，对其进行采样的空间分辨率越高，采样间隔就越小，景物中的细节越能更好地在数字化后的图像中反映出来，也即反应该景物的图像的质量就越高。 (4)一幅数字图像的阵列大小（简称为图像大小）通常用 M×N表示。在景物大小不变的情况下，采样的空间分辨率越高，获得的图像阵列 M×N就越大；反之，采
《计算机图形图像处理Photoshop》课程标准 衡阳技师学院龙大奇 长沙财经职业中专吴玉桃 课程名称：计算机图形图像处理Photoshop 建议学时：96~108 适用专业：计算机应用 教学条件：多媒体教室、机房 一、课程概述 （一）课程性质：1 20 Photoshop 是 Adobe 公司推出的一款目前非常流行、应用非常广泛的图片处理软件。伴随着计算机的普及和计算机在各行业的广泛应用，Photoshop 发挥了越来越大的作用。计算机和数码相机的普及，使用者可以在家中进行简单的图片处理，这使得 Photoshop 可以作为一个应用软件在所有学生中推广。社会上各种数码冲印、数码影楼、数码海报广告的出现也直接为很好学习 Photoshop 的学生提供了就业机会。 Photoshop 具备非常强大的图片处理功能，能很好的为动画、多媒体、网页制作等等提供经过处理制作的图片素材，图片处理的好坏直接关系到作品的美观效果，是计算机应用专业的学生必修的一门课程。 （二）课程定位 《计算机图形图像处理Photoshop》属于一门专业必修课，它之前的课程为《计算机应用基础》等课程；它之后为《Dreamweaver网页设计》、《Flash二维设计》、《3ds Max三维设计》等专业核心课程。在计算应用专业中起承上启下、连贯前后课程，围绕专业核心技能设置的。鉴于计算机图形图像处理的重要意义和在设计中重要作用，本课程作为平面设计的岗位职业能力培养，可以充分发挥学生的特长，拓展就业渠道。 二、课程设计理念 Photoshop 教学过程中应注重培养学生的思考和动手能力，把知识点穿插在实例中进行教学，一方面启迪学生去思考实例是如何实现的，另一方面让学生通过操作完成实例的创作。使学生在轻松愉快的过程中完成学习任务，掌握 Photoshop 的使用。教师应重视实例的选择，要求实例能突出新知识点，同时也兼顾旧知识点，操作的难度要适中，通过教学过程中的启迪和帮助能够完成教学任务。
数字信号处理在生物医学领域的应用 作者：张春强 安徽农业大学工学院 车辆工程 13720482 摘要:在生物医学研究中有各种各样待提取和处理的信号，信号处理立即成为解决这些问题的有效方法之一。主要讨论数字信号处理技术中小波分析、人工神经网络、维格纳分布在生物医学工程中的应用,并对数字信号处理技术在生物医学工程中的应用前景进行了展望。 关键词:数字信号处理;小波分析;人工神经网络;维格纳分布 1 引言 自20世纪60年代以来,随着计算机和信息学科的飞速发展,大量的模拟信息被转化为数字信息来处理。于是就逐步产生了一门近代新兴学科———数字信号处理(Digital Signal Processing,简称DSP)技术。经过几十年的发展,数字信号处理技术现已形成了一门以快速傅里叶变换和数字滤波器为核心,以逻辑电路为基础,以大规模集成电路为手段,利用软硬件来实现各种模拟信号的数字处理,其中包括信号检测、信号变换、信号的调制和解调、信号的运算、信号的传输和信号的交换等各种功能作用的独立的学科体系。 而生物医学工程就是应用物理学和工程学的技术去解决生物系统中所存在的问题,特别是人类疾病的诊断、治疗和预防的科学。它包括工程学、医学和生命科学中的许多学科。本文主要讨论数字信号处理技术中小波分析、人工神经网络、维格纳分布在生物医学工程中的应用。 2 数字信号处理在生物医学工程中的应用 2.1 信号处理在DNA 序列中的应用 生物序列数据在数学上以字符串表示，每个字符对应于字母表中的一个字母。如 DNA 序列中，用 A,T,C,G 四个字母代表组成 DNA 序列的四种碱基。对数值化后的DNA 序列进行频谱分析发现基因序列蛋白质编码区存在周期 3行为，即其功率谱在1/3频率处有一谱峰。用傅利叶变换来分析基因序列的功率谱可以发现其蛋白质编码区，可以预测基因位置和真核细胞基因中独特的外显子。 1.1 DFT 求 DNA 序列功率谱 在对基因组序列进行计算分析之前，先将其转化为数值序列。设字母表Λ = {A ，C ，G ，T } ,取长度为N 的DNA 序列x[n]，对于Λ中每个不同的字母都形成一个指示器序列[]n x α(0≤n ≤N-1，α∈Λ),在序列[]n x α中的某一个位置i 有: []其他)(01i n x ααα=???=(位置i 处的碱基为α) 该指示器的DFT 变换为 [][]n jw N n DFT k e n x k X --=∑=1 0αα，)10(-≤≤N k （1） 于是可以求得DNA 序列的功率谱：
医学图像处理综述 墨南-初夏2010-07-24 23:51:56 医学图像处理的对象是各种不同成像机理的医学影像。广泛使用的医学成像模式主要分为X射线成像(X—CT) ，核磁共振成像(MRI)，核医学成像(NMI)和超声波成像(UI) 这四类。 （1）x射线成像：传统x射线成像基于人体不同器官和组织密度不同。对x射线的吸收衰减不同形成x射线影像。（例如人体中骨组织密度最大，在图像上呈白影，肺是软组织并且含有气体，密度最低，在照片上的图像通常是黑影。）常用于对人体骨骼和内脏器官的疾病或损伤进行诊断和定位。现代的x射线断层成像(x—cT) 发明于20世纪70年代，是传统影像技术中最为成熟的成像模式之一，其速度已经快到可以对心脏实现动态成像。其缺点是医生要在病人接收剂量和片厚之间进行折衷选择，空间分辨率和对比度的还需进一步提高。 （2）核磁共振成像(MIR) 发展于20世纪70年代，到80年代才进入市场，这种成像设备具有在任意方向上的多切片成像、多参数和多核素成像、可实现整个空问的真三维数据采集、结构和功能成像，无放射性等优点。目前MRI的功能成像(fMRI) 是MIR设备应用的前沿领域，广泛应用于大脑功能性疾病的诊断,并为肿瘤等占位性病变提供功能信息。MRI 受到世人的广泛重视，其技术尚在迅速发展
过程中。 （3）核医学成像(NMI ) ，目前以单光子计算机断层成像(SPECT) 和正电子断层成像(PET) 为主，其基本原理是向人体注射放射性核素示踪剂，使带有放射性核素的示踪原子进入人体内要成像的脏器或组织通过测量其在人体内的分布来成像。NMI不仅可以提供静态图像，而且可提供动态图像。 （4）超声波成像(Ultrasonic Imaging ) ，属于非电离辐射的成像模态，以二维平面成像的功能为主，加上血液流动的彩色杜普勒超声成像功能在内，在市场上已经广泛使用。超声成像的缺点是图像对比度差、信噪比不好、图像的重复性依赖于操作人员。但是，它的动态实时成像能力是别的成像模式不可代替的 在目前的影像医疗诊断中，主要是通过观察一组二维切片图象去发现病变体．这往往需要借助医生的经验来判定。至于准确地确定病变体的空间位置、大小、几何形状及与周围 生物组织的空间关系，仅通过观察二维切片图象是很难实现的。因此，利用计算机图像处理技术对二维切片图象进行分析和处理。实现对人体器官，软组织和病变体的分割提取，三维重建和三维显示，可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分
b超影像实验实验报告 篇一：中南大学B超影像实验报告 篇二：大学物理B超实验报告 篇三：医学影像处理实验报告 医学成像技术与图像处理实验报告 学院（系）：电子信息与电气工程学部 专业：生物医学工程 学生姓名： 学号： 指导教师：刘惠 完成日期： XX.06.25 实验一：数字图像读取及色彩、亮度、对比度变化 一、实验目的 了解数字图像的存储格式，并学会对图像的某些视觉特征作简单处理。 二、实验要求 1．从最常用的“.BMP”图像格式中读取图像数据； 2．对数字图像的表示方式（如RGB、YUV）及各种表示方式之间的转换有初步了解； 3．根据输入参数改变数字图像的色彩、亮度、对比度。 三、实验步骤 1．利用工具（如ACDSee、PhotoShop）将Sample.1.jpg
转换为Sample1.bmp； 2．借助imread命令将图像内容读入内存数组； 3．通过访问数字图像RGB三个通道的对应矩阵，改变数字图像的色彩； 4．将数字图像的RGB表示转换为YUV表示； Y=0.30R+0.59G+0.11B U=0.70R-0.59G-0.11B V=-0.30R-0.59G+0.89B 5．通过访问Y（亮度）通道，改变数字图像的亮度； 6．通过Y（亮度）通道作灰度的线性变换，改变数字图像的对比度。 四、实验程序及图像处理结果 pic=imread('E:\实验\1.jpg'); pic=rgb2gray(pic); subplot(1,2,1); imshow(pic); title('GRAY'); INFO = imfinfo('E:\实验\1.jpg'); INFO.Width,INFO.Height pic1 = pic(1:2:end,1:2:end); subplot(1,2,2); imshow(pic1);