下载文档原格式
第一章绪论1 数字图像处理的基本概念；数字图像：x，y和f的幅值都是有限的离散值时，该图像为数字图像。
数字图像处理：简单的说就是用计算机处理数字图像，广义上而言，包括所有与图像有关的处理。
2 数字图像处理的三个层次；低级处理：对图像进行各种加工，以改善图像的视觉效果或突出目标，如降低噪声，增强对比度等，是一个从图像到图像的过程；中级处理：图像分割（把图像分为不同区域或目标物）及减缩对目标的描述，以方便计算机的识别，输入时图像输出是从图像提取的特征（如边缘、轮廓）；高级处理：目标物体及相互关系的理解，进而进行决策及指导行动，是最高级别的处理，即机器视觉，是人工智能的分支。
3 从成像来源的角度了解DIP的划分及应用场合；电磁波普成像（从伽马射线到无线电波）、显微镜成像、声波/超声波成像。
例题1：依据成像来源，写出三种常见的数字医学图像类型：、和。
答案：伽马射线成像图像、X射线成像图像(CT成像图像)、无线电波成像图像(MRI成像图像)、超声波成像图像等。
例题2：( )图像处理领域处在图像分析和计算机视觉两个学科之间。
答案：×例题3：()由一个二维函数f(x, y)确定的图像称为数字图像。
答案：×例题4：简述数字图像处理的三个层次。
答案：数字图像处理分三个层次，分别是：低级处理：对图像进行预处理，如降低噪声、增强对比度和图像锐化等，目的是提高一幅图像的质量，使其更清晰或更好看；中级处理：涉及图像分割、图像描述以及物体的识别，目的是将一幅图像转化为更适合计算机处理的形式；高级处理：涉及对一幅图像中被识别物体的总体理解，如应用在图像分析中，使图像更易懂。
第二章图像处理基础1 视觉感知要素、图像感知和获取；锥状体数目600万~ 700万，负责颜色和细节识别，锥状视觉又称白昼视觉；杆状体数目约7500万~15000万，无彩色感觉，称夜视觉。
三种基本的图像采集形式：单元成像传感器、线成像传感器、阵列成像传感器。
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）。
《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、RGBB、CMY或CMYKC、HSID、HSV3、采用模板［-1 1］T主要检测（C）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（D）。
11、在二维图像的傅立叶变换中，频域原点处变换的值是（C）。
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）。
医学图像处理知识点总结医学图像处理是一门研究如何获取、存储、传输、显示和分析医学影像的学科。
它主要应用于医学影像的获取和分析，包括X射线、CT、MRI、超声等图像。
医学图像处理的发展不仅对医学影像的质量有较大的提升，也对临床诊断和治疗产生了深远的影响。
以下是医学图像处理的一些主要知识点总结。
1. 医学图像获取医学图像的获取包括医学影像的图像采集与数据获取。
不同的医学影像设备，如X射线机、CT机、MRI机、超声机等，对应的图像获取方式、图像分辨率、图像类型等都可能存在差异。
在图像的获取过程中，需要注意保护患者隐私，并保证图像的质量和准确性。
2. 医学图像存储医学图像的存储是指将采集的医学影像数据进行数字化存储，并进行有效的管理和检索。
医学图像存储需要采用符合医学行业标准的数据格式，建立安全可靠的存储系统，确保影像数据的完整性和可访问性。
3. 医学图像传输医学图像传输指的是在医学影像数据之间进行网络传输，包括各种传输协议和网络安全等内容。
医学图像传输需要保证数据传输的稳定性和安全性，防止数据泄露和损坏。
4. 医学图像显示医学影像的显示对诊断和治疗非常重要。
医学影像显示系统需能够对各种类型的医学影像进行准确、清晰地显示，医生能够通过显示系统对影像进行观察和分析，并作出准确的诊断。
医学图像显示系统也需要支持多种功能，如3D重建、图像增强、图像测量等。
5. 医学图像分析医学图像分析是对医学影像进行量化和定量分析的过程。
医学图像分析技术包括图像分割、特征提取、分类和识别等，旨在提取影像中的信息并辅助医生做出诊断和治疗决策。
6. 医学图像处理算法医学图像处理算法是指针对医学影像数据开发的专用的算法。
常见的医学图像处理算法包括图像增强算法、图像分割算法、图像配准算法、图像重建算法等。
通过这些算法的应用，可以对医学图像进行精确地处理，并获得更准确的信息。
7. 医学图像质量评估医学影像质量评估是指对医学影像数据质量进行定量化和评估的过程。
《医学图像处理》复习纲要第1章引论1．数字图像处理（DIP）的基本定义和本课程所界定的大致范围数字图像、图像处理、图像分析/理解、计算机视觉2．数字图像处理发展的基本历程和应用领域重点：在医学图像处理中(CAT、CT、PET、MRI、体内三维再现技术等)的发展应用3．从成像来源的角度了解DIP的划分、比较各自特点及应用场合电磁波谱成像、显微镜成像(TEM、SEM)、声波/超声波成像、计算机合成图像4．DIP的基本流程步骤第2章DIP基础1．视觉基本要素杆状体(Rods)和锥状体(Cones)、盲点、主观亮度、亮度适应性、亮度辨别力(Weber ratio)；几种视觉现象（说明感觉亮度不是光强的简单函数）：Mach效应、同时对照度、光幻觉；描述彩色光的三个基本量：辐射度(radiance)、光通量/流明数(luminance)和亮度(brightness)2．图像感知和获取、采样和量化三种基本的图像采集形式（单个、线和阵列）、图像的照射和放射分量模型、数字图像的空间坐标表示、图像存储尺寸的计算、图像的空间和灰度分辨率、checkerboard现象和伪轮廓现象、等性能曲线及解释、混叠/莫尔（波纹）效应及解释3．象素间的基本关系测度近邻(neighbors)（4、对角、8）、邻域; 邻接(adjacency)（4、8、混合）与连接(connectivity)；区域、边界和边缘(沿)；路径、路径长度、连接分量/集、闭路径；距离测度：距离定义、城市街区距离、Euclidean距离、棋盘(chessboard)距离、Dm距离；第3章空域图像增强技术1．灰度变换及基本函数基本概念：负变换、对数变换、幂律变换（Gamma校正）、分段线性变换、灰度切割、位平面切割；要求：理解这些变换的基本含义及对图像作用后会产生什么样的效果、并会灵活运用这些变换于不同的图像增强场合2．直方图处理灰度直方图的定义、基本含义、与图像外观的关系、及其作用；直方图均衡化（线性化）：基本思想与原理、特点与作用、算法基本步骤、应用场合直方图匹配（规定）：基本原理、特点与作用、变换函数、实现流程；会灵活运用（如怎么去设计规定的直方图）怎么运用直方图的统计特征于图像增强：均值、方差及主要含义、全局运用与局部运用3．增强中的算术与逻辑操作与、或、非：特点、作用、怎么运用图像加/平均、减、乘操作的主要原理、特点、作用效果、应用场合；4．空间滤波线性滤波与非线性滤波、填充问题（基于邻域的操作）线性滤波：基本概念、滤波器/模板/掩码、线性卷积与相关线性平滑滤波（盒滤波器、加权平均滤波）、排序统计滤波（中位、中值、最大、最小及其它自定义的百分位）：基本原理、特点、优缺点与应用场合空间锐化滤波器：数学原理与基础、作用一阶导数/梯度算子（Roberts, Sobel, Prewitt）、二阶导数/Laplacian算子：各自主要特征、优缺点、主要作用、怎么运用本章应用实例：联合增强第4章频域增强技术1．基础：二维离散傅立叶变换2．基本概念：图像频谱及物理意义（很重要）、频域和空域分辨率、填充与周期展开；3．频域滤波的基本流程框架4．基本的滤波器类型（高、低通）：理想、Butterworth、Gaussian；基本原理、主要属性、主要用途；要求掌握一定的推导技巧和能灵活运用5．空域与频域滤波器间的转换－卷积定理；频域和空域增强技术间的比较6．同态滤波：概念、原理、算法基本流程、主要用途第5章图像恢复1．基本概念，与图像增强技术的区别和联系；图像退化及恢复过程模型2．噪声：来源、空/频域的属性（从与图像的关系角度）；重要的噪声概率模型：高斯、Reyleigh、指数、均匀、脉冲（椒盐）；对表达公式要熟悉、对基本特征要掌握；能根据图像的统计特征（如直方图分布）对噪声参数进行估计；3．只有噪声情况下的恢复技术－空间滤波：1）线性：均值滤波（算术、几何、谐波、逆谐波；2）排序统计：中值、最大/小、中点、alpha修剪；3）自适应均值滤波（基本思想与流程）。
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*Ny11、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13.1.2减法的定义：C(x,y) = A(x,y) - B(x,y) 主要应用举例：（1）去除不需要的叠加性图案（2）检测同一场景两幅图象之间的变化（3）计算物体边界的梯度（1）去除不需要的叠加性图案设：背景图象b(x,y)，前景背景混合图象f(x,y)，g(x,y) = f(x,y) – b(x,y)，g(x,y) 为去除了背景的图象。
（2）检测同一场景两幅图象之间的变化设：时间1的图象为T1(x,y)，时间2的图象为T2(x,y)，则g(x,y) = T2 (x,y) - T1(x,y) 为两幅图象之间的变化。
（3）计算物体边界的梯度在一个图象内，寻找边缘时，梯度幅度（描绘变化陡峭程度的量）的近似计算为|Vf(x,y)| = max(f(x,y)–f(x+1,y) ,f(x,y)–f(x,y+1))以后还会具体讲到。
13.1.3乘法的定义：C(x,y) = A(x,y) * B(x,y)主要应用举例：图象的局部显示（用二值蒙板图象与原图象做乘法）另：乘除法不考，加减法考概念题、小题，如比较图像、图像融合、加减乘除的概念。
13.2逻辑运算（1）求反（2）异或、或（3）与13.2.1求反的定义:g(x,y) = 255 - f(x,y) 主要应用举例：（1）获得一个阴图象（2）获得一个子图像的补图像（3）绘制区别于背景的、可恢复的图形13.2.2异或运算的定义：g(x,y) = f(x,y) ⊕ h(x,y) 主要应用举例：获得相交子图象或运算的定义：g(x,y) = f(x,y) v h(x,y) 主要应用举例：合并子图像13.2.3与运算的定义：g(x,y) = f(x,y) ∧ h(x,y) 主要应用举例：求两个子图像的相交子图（相关图像示例参照复习1.ppt Pa20~Pa34）14、空域变换14.1变换分类：1、几何变换：基本变换、级联2、非几何变换：模板运算、灰度级变换、直方图14.2基本几何变换（几何变换的级联、线性代数方阵运算大题必考）（1）基本几何变换的定义：对于原图象f(x,y)，坐标变换函数x’ = a(x,y); y’ = b(x,y)；唯一确定了几何变换：g(x’,y’) = f(a(x,y), b(x,y))，g(x,y)是目标图象。
（2）常用的基本几何变换：平移变换；缩放变换；旋转变换；镜像变换：水平镜像、垂直镜像；错切变换14.2.1平移变换：设平移量（X0,Y0,Z0）将原坐标点由（X,Y,Z）平移到新的位置（X’,Y’,Z’），这个平移可用下面三个等式表示：X’=X+X0；Y’=Y+Y0；Z’=Z+Z0用矩阵的形式表示图1：图1 图2我们对坐标变换采用统一的形式如图2：即v’=A v。
14.2.2缩放变换用尺度Sx,Sy,Sz沿X轴、Y轴和Z轴进行缩放变换可用下面的矩阵S实现（图3）：图像的缩小操作中，是在现有的信息里如何挑选所需要的有用信息。
图像的放大操作中，则需对尺寸放大后所多出来的空格填入适当的值，这是信息的估计问题，所以较图像的缩小要难一些。
图3 图4如果需要将原图像放大k倍，则将一个像素值添在新图像的k*k的子块中。
如果放大倍数太大，按照前面的方法处理会出现马赛克效应。
14.2.3旋转变换旋转较为复杂一些，我们从二维入手来进行推广。
在二维的情况下如果我们将一点绕原点顺时针旋转角度θ，变换公式为：x’=xcosθ-ysinθy’=xsinθ+ycosθ表示为矩阵为图4。
同样原理推广至三维有，设旋转角是按从旋转轴正向看向原点而顺时针定义，则点绕x 轴旋转α角度的变换矩阵为图5。
图5 图6同样原理推广至三维有，设旋转角是按从旋转轴正向看向原点而顺时针定义，则点绕y 轴旋转β角度的变换矩阵为图6。
同样原理推广至三维有，设旋转角是按从旋转轴正向看向原点而顺时针定义，则点绕z 轴旋转γ角度的变换矩阵为图7。
图7 图814.3级联（1）对任意点施加连续多个变换，可用矩阵连乘的形式来简单表示。
例如对一个坐标为v 的点进行平移、缩放、绕某一轴旋转的变换可表示为：v’=R[S(Tv)]=RSTv=Av，其中A＝RST，A为4×4的矩阵，这些矩阵的运算次序不可互换。
对其余组合的变换依此类推。
（2）推广到m个点的变换：V’=A V，其中V为由m个列矩阵组成的4×m矩阵，V’是一个4×m的矩阵，它的第i列v’i包括对应于vi的变换后的点的坐标。
15、非几何变换15.1非几何变换的定义：对于原图象f(x,y)，灰度值变换函数T(f(x,y))，唯一确定了非几何变换：g(x,y) = T(f(x,y)) ，g(x,y)是目标图象，特点：没有几何位置的改变。
对于彩色原图象f(x,y)，颜色值变换函数Tr(f(x,y)); Tg(f(x,y)); Tb(f(x,y));唯一确定了非几何变换：gr(x,y) = Tr(f(x,y)) 、gg(x,y) = Tg(f(x,y)) 、gb(x,y) = Tb(f(x,y))。
15.2模板运算（运算的定义，与中值滤波结合）15.2.1模板的定义：所谓模板就是一个系数矩阵模板大小：经常是奇数，如：3x3 5x5 7x7模板系数：矩阵的元素：w1 w2 w3w4 w5 w6w7 w8 w915.2.2模板运算的定义对于某图象的子图像：z1 z2 z3z4 z5z6z7 z8 z9z5的模板运算公式为：R = w1z1 + w2z2 + ... + w9z915.2.3模板运算举例：均值变换模板系数：wi = 1/9 计算公式：R = 1/9(w1z1 + w2z2 + ... + w9z9)15.3灰度级变换15.3.1灰度级变换（点运算）的定义(1)对于输入图象f(x,y)，灰度级变换T将产生一个输出图像g(x,y)，且g(x,y)的每一个像素值，都是由f(x,y)的对应输入像素点的值决定的。
g(x,y)=T(f(x,y))15.3.2灰度级变换（点运算）的定义(2)对于原图象f(x,y)，灰度值变换函数T(f(x,y))，由于灰度值总是有限个如：0-255非几何变换可定义为:R = T(r)，其中R , r在0-255之间取值。
15.3.3灰度级变换的实现R = T(r) 定义了输入像素值与输出像素之间的映射关系，通常通过查表来实现。
因此灰度级变换也被称为LUT（Look Up Table）变换。
15.3.4灰度级变换举例：图象求反：R=255-r。
16、灰度直方图16.1灰度直方图定义（必须掌握）灰度直方图（histogram）是灰度级的函数，它表示图象中具有每种灰度级的象素的个数，反映图象中每种灰度出现的频率。
横坐标表示灰度级，纵坐标表示图像中该灰度级出现的个数。
随着灰度级的增加，直方图将连成连续的曲线。
（如图8）16.2直方图的性质（必须掌握）16.2.1不含任何空间信息，即不同的图像可以有相同的直方图。
16.2.2从直方图可以看出图像的总体性质（必须掌握）：直方图反映图像的总体性质，例如图像的明暗程度、细节是否清晰、动态范围大小等。
a. 图像总体偏暗。
b. 图像总体偏亮。
c. 图像动态范围小，细节不够清楚。
