数字图像处理在医学上的应用 1 引言 自伦琴1895年发现X射线以来,在医学领域可以用图像的形式揭示更多有用的医学信息,医学的诊断方式也发生了巨大的变化。随着科学技术的不断发展,现代医学已越来越离不开医学图像的信息处理, 医学图像在临床诊断、教学科研等方面有重要的作用。目前的医学图像主要包括CT (计算机断层扫描) 图像、MRI( 核磁共振)图像、B超扫描图像、数字X 光机图像、X 射线透视图像、各种电子内窥镜图像、显微镜下病理切片图像等。但是由于医学成像设备的成像机理、获取条件和显示设备等因素的限制, 使得人眼对某些图像很难直接做出准确的判断。计算机技术的应用可以改变这种状况，通过图像变换和增强技术来改善图像的清晰度, 突出重要的内容，抑制不重要的内容,以适应人眼的观察和机器的自动分析，这无疑大大提高了医生临床诊断的准确性和正确性。 数字图像处理的基本方法就是图像复原与图像增强。图像复原就是尽可能恢复原始图像的信息量,尽量保真。数字化的一个基本特征是它所固有的噪声。噪声可视为围绕真实值的随机波动, 是降低图像质量的主要因素。图像复原的一个基本问题就是消除噪声。图像增强就是通过利用人的视觉系统的生理特性更好地分辨图像细节。 与其他领域的应用相比较，医学影像等卫生领域信息更具独特性，医学图像较普通图像纹理更多，分辨率更高，相关性更大，存储空间要更大，并且为严格确保临床应用的可靠性，其压缩、分割等图像预处理、图像分析及图像理解等要求更高。医学图像处理跨计算机、数学、图形学、医学等多学科研究领域，医学图像处理技术包括图像变换、图像压缩、图像增强、图像平滑、边缘锐化、图像分割、图像识别、图像融合等等。在此联系数字图像处理的相关理论知识和步骤设计规划系统采集和处理的具体流程同时充分考虑到图像采集设备的拍摄效果以及最终处理结果的准确性，例举了基于图像处理技术的人体手指甲襞处微血管管袢直径的测量方法。 2人体微血管显微图像的采集 人体微血管显微图像的采集采用了如图1所示的显微光学系统和图像采集系统主要由透镜模组滤镜模组光源系统电荷耦合器件以及图像采集卡等构成。 图1显微光学系统与图像采集系统示意图
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：
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
医学数字图像处理习题 1、简述图象处理的技术分类。 2、简述数字图像处理的主要方法。 3、图象函数(,,,,)I F x y z t λ=表示了怎样的一幅图象？ 4、解释数字图像的几个名词：空间分辨率，密度分辨率，空间频率。 5、什么是线性系统？什么是空间不变的线性系统？ 6、什么是δ-函数？什么是δ-函数的筛选性？ 7、 您能推荐点几本关于医学图象处理的教学参考书（中文和英文）吗？ 8、您认为我们的医学图象处理课应保证哪些基本内容和基本训练？ 9、两维傅里叶变换的可分离性有什么实际意义？ 10、 证明离散傅里叶变换和反变换都是周期函数。 11、 试证明傅立叶变换的频域位移性质： 12、 根据Laplace 算式和傅里叶变换的微分性质，求出傅里叶变换对： 222(,)(2)()(,)f x y u v F u v πΔ??+。 13、 设有一组随机矢量[]12 3 x x x x =，其中[]10 0 1T x =，[]20 1 0T x =， []3 1 0 0T x =， 请分别给出x 的协方差矩阵。 14、 请说明：如何方便地将空间频率坐标系的原点移到MN 空间频率方阵的中心(, 设图象函数为。 )2/,2/N M ),(y x f 15、 对N=8,计算斜矩阵(Slant Array)。 16、 什么是小波变换？请给出一维连续小波变换的定义。 17、 请给出二维连续小波的容许性条件。 18、 请简述紧支集的概念。 19、 请简述框架、紧框架和几乎紧框架的概念。 20、 试给出Haar 小波、Mexico Hat 小波和Morlet 小波的定义，并说明各自它们各自的用途。 21、 什么是图象增强？图象增强的技术分几大类？ 22、 什么是直方图？什么是直方图均衡化？什么是直方图匹配？ 23、 写出空域图象平滑的表示式，空域低通滤波有几种方法？简述其要点。 24、 写出频域低通滤波的数学表达式。常用的有几种滤波器？他们的特点是什么？ 25、 设仅利用象素点(,)x y 的4-近邻象素（不用点(,)x y ）组成一个低通滤波 器。 （1） 给出它在频域的等价滤波器； (,)H u v （2） 证明所得的结果确实是一个低通滤波器。 26、 有一种计算梯度的基本步骤是计算(,)f x y 和 (1,)f x y +的差。
数字图像处理的应用 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号，并通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。 数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。 进行数字图像处理所需要的设备包括摄像机、数字图像采集器（包括同步控制器、模数转换器及帧存储器）、图像处理计算机和图像显示终端。 图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。 接下来，就讨论一下数字图像处理在医学上的应用。 自发现X射线以来,在医学领域可以用图像的形式揭示更多有用的医学信息,医学的诊断方式也发生了巨大的变化。随着科学技术的不断发展,现代医学已越来越离不开医学图像的信息处理。 目前的医学图像包括CT图像、核磁共振图像、B超扫描图像、数字X 光机图像、X 射线透视图像、各种电子内窥镜图像、显微镜下病理切片图像等。由于人眼识别度等客观因素的影响，大部分的图像需要依靠计算机的帮助。随着数字图像处理技术的发展，对这些图像的分析以及处理，会变得更加快捷，分析的结果也会更加精准。
与其他领域的应用相比较，医学影像等卫生领域信息更具独特性，医学图像较普通图像纹理更多，分辨率更高，相关性更大，存储空间要更大，并且为严格确保临床应用的可靠性，其压缩、分割等图像预处理、图像分析及图像理解等要求更高。 首先，对于一个病例，要进行图像采集，由于采集到的图像因试验测量系统和测量者个人因素存在较多噪声,所以要先通过预处理对图像进行去噪处理和灰度变换处理等使其变得较为清晰。预处理完成后再利用中心路径提取算法对所获取的图像进行进一步处理。 接下来要做的就是图像处理。 先对图像二值化，二值形态学的运算对象是集合给出一个图像集合和一个结构元素集合利用结构元素对图像进行操作。然后做中心线的提取等。 使用计算机进行图像的采集预处理以及二值化和计算排除了人为测 量的不精确性和误差提高了测量结果的可靠性。 随着信息技术的飞速发展和计算机应用水平的不断提高，利用计算机断层成像、正电子放射层析成像、单光子辐射断层摄像、磁共振成像、超声成像及其它医学影像设备所获得的图像被广泛应用于医疗诊断、组织容积定量分析、病变组织定位、解剖结构学习、治疗规划、功能成像数据的局部体效应校正、计算机指导手术和术后监测等各个环节。 医学图像处理借助于计算机图形、图像技术,使医学图像的质量和显示方法得到了极大的改善。这不仅可以基于现有的医学影像设备来极
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
第一章生物医学信号概述 第一节学习生物医学信号处理的理由生物医学工程是一个应用性的研究领域，生物医学信号处理自然应该成为该专业的主干课程之一，使学生掌握处理信号和系统的方法。 信号处理的含义比纯粹的数学运算更深更广。生物医学信号处理以严谨的组织行为方式为分析和概念化物理行为提供了一个基础框架，不管这种行为是一个电子控制系统的输出还是一次种植与周围组织的反应。 对信号/系统进行计算能够获得较精确的分析结果，但对分析过程的理解（定性的）也十分重要。例如，一名学生建议用小波来检测心电图信号中的异常，则他/她必须理解小波变换的数学概念。另一名具有神经生理学兴趣的学生希望研究全身振动对视觉功能的影响，则他/她需要理解共振的概念（即使他/她已经忘记了量化这种现象的二阶差分方程）。类似地，一名要研究心率的神经中枢控制的学生，不管他/她用哪种方法来描述心率，都需要理解记忆或相关的概念以及在能量记录中瞬时变化的原因。简言之，作为一名生物医学工程师应该掌握信号处理的定性描述并具备应用定量分析方法解决生物医学问题的技能。通过学习《生物医学信号处理》课程，学生可以达到上述要求。 更具体地说，生物医学信号处理将教给学生两种主要技能：（1）为了提取原始的生物医学信息，获取和处理生物医学信号的技能；（2）解释处理结果性质的技能。为此，《生物医学信号处理》课程应该包含以下四个重要内容： （1）测量生物医学信号，即量化和校正测量仪器对待测信号的影响。 （2）操作（即滤波）生物医学信号，即识别和分离信号中的有用成份和无用成份。 （3）定量描述生物医学信号，即揭示产生生物医学信号的本质，根据第二步得出的结果预测信号未来的行为。 （4）探测生物医学信号源，即描述一个生物医学物理系统的输入与输出信号之间内在联系。 大多数信号处理教材都很强调计算和算法。对于生物医学工程专业的学生来说，如果在生物医学信号处理课程中仍选用大量信号处理的内容，则可能是熟悉知识的枯糙重复。本教材的宗旨是通过许多具体生物医学信号处理实例，将真实世界与理论研究联系起来，并指导学生如何应用一项理论去解决一个具体的生物医学问题。 第二节信号及其类型 信息是一个过程产生的能量的测量，而信号则是信息的一种表达形式。来自于真实世界的信号各不相同，但大致可分为四种类型：（1）确定性信号；（2）随机信号；（3）分形信号；（4）混沌信号，如图1-1（a）、（b）、（c）和（d）分别是四种类型信号的一个例子。 确定性信号在教材中常作为例子给出，是学生最熟悉的一类信号，但这类信号在真实世界中则较少出现。所谓确定性信号是指在已知足够过去值的条件下，能够准确预测该信号未来值的一类信号。例如，正弦波信号A Sinωt。换句话说，只要能够用数学封闭表达式来表达的一类信号就是确定的信号。 既使信号的全部过去值已知，也不能准确预测其未来值的一类信号称为随机信号。随机信号
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
一、填空题（每题1分，共15分） 1、列举数字图像处理的三个应用领域 医学 、天文学 、 军事 2、存储一幅大小为10241024?，256个灰度级的图像，需要 8M bit 。 3、亮度鉴别实验表明，韦伯比越大，则亮度鉴别能力越 差 。 4、直方图均衡化适用于增强直方图呈 尖峰 分布的图像。 5、依据图像的保真度，图像压缩可分为 无损压缩 和 有损压缩 6、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。 7、对于彩色图像，通常用以区别颜色的特性是 色调 、 饱和度 亮度 。 8、对于拉普拉斯算子运算过程中图像出现负值的情况，写出一种标定方法： ` min max min ((,))*255/()g x y g g g -- 二、选择题（每题2分，共20分） 1、采用幂次变换进行灰度变换时，当幂次取大于1时，该变换是针对如下哪一类图像进行增强。 （ B ） A 图像整体偏暗 B 图像整体偏亮 C 图像细节淹没在暗背景中 D 图像同时存在过亮和过暗背景 2、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 3、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 / 4、采用模板［-1 1］T 主要检测（ A ）方向的边缘。 A.水平 C.垂直 5、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 6、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 7、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 — 8、__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 9、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 10、图象与灰度直方图间的对应关系是 B __
摘要“数字图像处理”是生物医学工程专业一门重要的专业课，让学生学会将理论知识转化为解决本专业实际问题的能力是这门课的重点。我们对理论和实践教学两个方面的教学方法和经验进行了探讨，经过几年的教学实施，这些方法取得了良好的教学效果。 关键词数字图像处理生物医学工程教学方法Teaching Method of"Digital Image Processing"Course for Biomedical Engineering Specialty//Huang Min Abstract"Digital Image Processing"is an important course for biomedical engineering specialty.How to change the theoretical knowledge into the ability of solving problem in biomedical engineering field is very important.Teaching methods of theory and practice teaching are given,which are helpful for students. Satisfied teaching effect is acquired in past years. Key words digital image processing;biomedical engineering; teaching method Author's address College of Biomedical Engineering,South-central University for Nationalities,430074,Wuhan,Hubei,China 随着科技的发展，各种图像信息都逐步进入数字化时代，以便存储和进行后续的通信、变换和识别等处理。数字图像处理课程是图像处理、电子、通信、生物医学工程等众多工科专业本科生学习的一门专业必（选）修课，虽然不同专业在学习理论知识时是相通的，但各专业在实际的图像处理的教学方法和具体应用上还是有较大差别。[1]生物医学工程专业有着其特殊性，在医学图像领域，从显微图像到CT、超声、M RI及PET等大型影像设备的成像结果，都涉及大量的图像需要存储，然后需要对图像进行增强、分割、融合等处理。如何把数字图像处理理论知识和专业应用方向结合起来进行教学，是生物医学工程专业上这门课的老师最应该注意的问题。本文对生物医学工程专业数字图像处理课程的理论教学和实验教学两个方面的教学 方法和经验进行探讨。 1理论教学 在本科阶段，数字图像处理课程理论教学主要讲述六部分内容：图像处理基础、图像变换理论、图像压缩编码、图像增强、图像恢复和图像分割。[2] 1.1“理论—应用”的教学模式 在教学中，我们采取“理论—应用”的教学模式，将每章的理论知识和生物医学工程领域的图像处理应用密切结合起来讲解，让学生体会到学习书本知识和专业实践以及以后的工作应用是密不可分的，学了后也知道“怎么用”。 比如在学到第一章图像处理基础的图像数字化这一环节，虽然学生都知道结论就是：采样频率要大于图像最高频谱的两倍。但是对于实际应用中，这个参数很抽象，具体怎么选择？结合以前学的一维时间域信号的采集，采样频率就是采样时间间隔的倒数，即要求：采样时间间隔小于某个值（这个值是由原模拟时间信号进行FT后频率成分的最大值的倒数的一半来决定的）；而现在转换到二维的图像域，实际上是图像在空间上的采样间隔（每个像素的大小）要小于某一个值，也就是最后数字图像可分辨的最小“尺寸”是多少的问题。联系到本专业的磁共振成像应用中，就是医院的影像诊断仪器在检查病人相关疾病（如肿瘤等）时，可以看到的最小肿瘤的尺寸，从而对学生说明一个问题：仪器不是万能的，不是想看多大的病灶就可以看到的。 进一步扩展，这个尺寸又怎么定呢？和具体的每种成像设备的成像原理有关，当然对本科生来说，由于学时和知识结构的限制，不能扩展太多。由于医学影像设备得到图像的过程和其他普通图像数字化过程不太一样，此时要强调不是所有的数据在采集的时候都是直接在图像域采集，医学图像领域很多是先在频域采集数据，然后转换到空间域的图像。最后举一个实例，配以幻灯实例进行说明：如果医学影像设备不满足采样定理，看到的图像会是各组织相互重叠在一起，根本无法用于医生诊断。这样就让学生加深了印 （中南民族大学生物医学工程学院湖北·武汉４３００７４）中图分类号：G642文献标识码：A文章编号：1672-7894（2011）01-0042-02 ４２
生物医学信号处理的方法 生物医学仪器包括了诊断仪器和治疗仪器两大类。在诊断仪器中要寻找对诊断有意义的具有某种特征的信号或信号的某种特征量。在治疗仪器中同样需要确定特征信号的存在或信号特征量的大小去控制治疗部分的工作。一般说来，信号并不能直接提供这些信息，它们需要应用信号处理方法去提取。例如，临床的常规脑电图检查可为脑损伤、脑血栓、内分泌疾病等的诊断、预防和治疗提供信息。另外脑电图也常用来作睡眠、麻醉深度的监护。但是白发脑电图的时域波形很不规则。不但它的节律随精神状态变化而改变，而且在基本节律的背景下还会不时地发生一些瞬态变化。传统的分析方法是用领域分析方法，用它的基本节律作为脑电图的基本特征量。 从信号中提取特征量的常用方法有谱分析、波形分析、建立模型等多种。有了特征量，就要根据它们进行诊断。诊断就是分类。现用的模式分类方法有统计模式识别、句法分析、模糊模式识别等。上述这些内容正是信号处理学科的主要研究对象，实际上这些方法现在也并不成熟。对于生物医学信号中大量存在的非线性、非平稳、多变量等问题的分析还很初步，还需深入地研究和探讨。 由于干扰的影响，生物医学信号往往埋藏在噪声中，因此造成信息丢失或产生虚假信息，所以通常在进行生物医学信号处理以前，要对信号施加某种处理来降低噪声、增强信息。例如，在研究大脑感觉机制，提取诱发响应时，常常采用重复刺激方法和相干平均技术来克服自发脑电活动，增强有用信息。污染信号的噪声可以是加性的(即观测等于信号的噪声之和)、相乘性的(即观测等于信号与噪声的积)；也可能有用的信息仅与信号的一部分有关，而与有用信息非相关部分也被看成噪声。总之，噪声的性质是多种多样的。数字滤波器是增强信息、抑制噪声的常用方法，然而它对于频带重叠的信号与噪声无能为力。因此消噪问题是生物医学信号处理研究的又一个重要内容。 目前生物医学信号处理中应用的抑制噪声和信号增强技术，常需要信号与噪声统计特性的先验知识，先验知识越完整，增强信号的效果越显著。然而得到这些先验知识常常又是困难的，这种要求限制了诸如维纳滤波、卡尔曼滤波等技术的应用。自适应方法可以自动调节参数来适应信号统计特性而不依赖先验知识，因而引起了广泛的注意。 在某种情况下，需要将信号从一个地点传送到另一个地点。有不少突发性疾病对患者威胁极大，例如，猝死和呼吸障碍，为了及时抢救，在患者家里安装监护系统，监护系统采集的信息经电话电路传到监护中心，使患者处于医护人员的监护之下。为了保证传输效率，或为了方便地保存、记录患者病历，需要尽量减
一、填空题（每题1分，共15分） 1、列举数字图像处理的三个应用领域 医学 、天文学 、 军事 2、存储一幅大小为10241024?，256个灰度级的图像，需要 8M bit 。 3、亮度鉴别实验表明，韦伯比越大，则亮度鉴别能力越 差 。 4、直方图均衡化适用于增强直方图呈 尖峰 分布的图像。 5、依据图像的保真度，图像压缩可分为 无损压缩 和 有损压缩 6、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。 7、对于彩色图像，通常用以区别颜色的特性是 色调 、 饱和度 亮度 。 8、对于拉普拉斯算子运算过程中图像出现负值的情况，写出一种标定方法： m i n m a x m i ((,))*255/()g x y g g g -- 二、选择题（每题2分，共20分） 1、采用幂次变换进行灰度变换时，当幂次取大于1时，该变换是针对如下哪一 类图像进行增强。（ B ） A 图像整体偏暗 B 图像整体偏亮 C 图像细节淹没在暗背景中 D 图像同时存在过亮和过暗背景 2、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 3、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 4、采用模板［-1 1］T 主要检测（ A ）方向的边缘。 A.水平 B.45? C.垂直 D.135? 5、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 6、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 7、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 8、__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 9、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 。
生物医学信号处理试卷集 试卷一答案和评分标准： 一、假设有两个离散平稳随机过程)(),(n y n x ，m x m R 6 .0)(=，m y m R 8.0)(=，它们统计独立，求这 两个随机过程的乘积的自相关函数和功率谱密度。（14分） 解： 设z=xy ， m y x z m R m R m n y n y E m n x n x E m n y m n x n y n x E m n z n z E m R 48 .0)()()]()([)]()([)]()()()([)]()([)(==++=++=+=（6分） ∑==+∞ -∞ =-m m j m z j z e m R DTFT e P ωω48.0)]([)(（4分） =ωcos 96.02304.17696 .0-（4分） 二、设线性系统如图所示，已知n n n s ,相互独立，且ωω 2 sin )(=j s e S ， 21 )(= ωj n e S 。要求设计一 个滤波器ωω 2sin )(c e H j =，试确定c 使得滤波后的输出n s ?与真实信号n s 的均方误差最小，即])?[(2n n s s E -最小。（14分） 解答： 设误差为n n n s ?s e -=其自相关为： )m (R )m (R )m (R )m (R )]s ?s )(s ?s [(E )e e (E )m (R s ?s s ?s ?s s m n m n n n m n n e +--=--==+++（2分） 做傅立叶变化：)()()()()(???ωωωωω j s j s s j s s j s j e e S e S e S e S e S +--=（4分） ω ωωωωωωω4262j n j s 2j j x 2j ?sin 21 sin ])(e S )(e S [)e (H )(e S )e (H )(c c e S j s +=+== （2分） ωωωωωω4i s i i sx i ?sin )e (S )e (H )e (S )e (H )(c e S j s s === ωωωωωω4i s i i xs i s ?sin )e (S )e (H )e (S )e (H )(c e S j s ===** （2分） 2 2 14321 c c +-=ξ （3分） 求导等于零： 43 = opt c （1分）
MATLAB在医学图像处理中的应用 13级信息管理及信息系统 2013051804 王志群 摘要：随着科学技术的发展，光学、数学、电子学、计算机科学、信息论、人工智能等各 门学科的交叉应用，成为现代科学研究中的一个突出特色。近年来，计算机相关技术和图 形图像处理技术逐步引入医学领域，许多数字化医学影像设备不断应用于临床，产生了CT、MRI、PET、SPET等大量的医学图像，这些医学图像具有数据结构复杂、数据量大等特点。 要使临床医学对人体内部病变的观察更直接、更清楚，医学图像的处理和分析是前提和关键，因此，医学图像处理技术一直是国内处有关专家们研究的重点。 Matlab是由MathWorks公司开发的一种主要用于数值计算和可视化图形图像处理的工 程语言。经过不断的发展和完善，现在已成为具有超强数值计算、图形图像处理和仿真处 理能力的软件。Matlab简单易学、开放式可扩展环境，特别是附带的30多种面向不同领域的工具箱支持，把计算、图示和编程集成到一个环境中，用起来非常方便。用MATLAB实现 医学图像的数字化处理可以大大简化各种算法的难度和复杂度。 关键词：MATLAB，数字图像处理 1、医学图像的数字化处理 医学图像数字化处理是指使用计算机对获取的图像进行各种处理，使之满足医疗需要的一系列技术的总称[4]。它是应用图形图像处理技术，来弥补影像设备和成像中的不足，从而得到用传统手段无法获取的医学信息。随着医学图像处理技术的发展，图像的去噪、图像的增强、图像的分割等基本技术，使得传统的医学图像的获取和观察方式被完全改变，图像处理技术在医学领域中变得越来越重要。 1.1 图像的去噪图像在生成、获取和传输等过程中，往往会发生质量的损伤，造成图像质量的损坏。医学图像的噪声是常见的影像问题，如超声设备中的斑点噪声。此类噪声如图像切割引起的即黑图像上的白点，白图像上的黑点噪声。这些噪声对医学图像的质量影响特别大，严重妨碍了影像的诊断。因此，图像的噪声过滤是图像处理的首要任务。目前，图像的噪声滤除方法有空域法和频域法两大类。医学图像的去噪，要根据具体产生的原因采用不同的方法。例如，对于 CT图像中的的椒盐噪声可以采用中值滤波技术，它能在过滤噪声的同时，又能 很好地保护边缘轮廓的信息。用MATLAB工具箱中medfilt2()函数实现中值滤波。 1.2 医学图像的增强图像增强是对图像进行加工，以得到对具体应用来说视觉效果更“好”、更“有用”的图像，也就是把有用信息变得更清晰，增强感兴趣的特征，抑制不感兴趣的特征，改变图像质量，丰富图像信息，加强图像识别是一种常见图像处理方法。常用的图像增强技术根据对图像进行处理所在的空间
信号与系统论文 题目：信号与系统在生物医学中的应用 学号：121417010133 班级：生医121班 姓名：张小鲜
信号与系统在生物医学中的应用 摘要 随着计算机技术和现代信息技术的飞速发展，信号与系统在实际生活中的应用越来越广泛，本文在信号与系统中占有重要分量的数字信号处理技术为例，讨论其在生物医学中的应用，从而阐述信号与系统在生物医学中的应用。数字信号处理（Digital Signal Processing DSP)是利用计算机或专用处理芯片，以数值计算的方法对信号进行采集、分析、变换和识别等加工处理，从而达到提取信息和便于应用的目的。 数字信号处理技术一诞生就显示了强大的生命力，展现了极为广阔的应用前景。接下来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：生物医学；信号与系统；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学的飞速发展，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(DigitalSignalProcessing，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。 1.1生物医学信号特性
数字医学图像及其特点 【摘要】数字医学是现代医学的重要发展方向，随着计算机技术的不断发展，数字医学图像在医学中的应用领域越来越广泛。本文主要针对数字图像在医学中的应用及其特点展开相关的综述。 【关键词】数字图像医学影像图像处理 引言 随着电子技术、计算机技术的不断推广和应用，计算机技术在医学领域的应用也日趋明显，尤其是在医学数字图像处理方面体现的尤为突出。数字医学影像通过无创伤的数据采集获得人体内部解剖学或生理功能信息，并以图像形式提取并显示出来【1】，因而数字图像在这种背景下应运而生。 1 数字医学图像的特点 现代医学影像包括四大部分：①以X-CT 为代表的X 射线影像；②磁共振成像MRI；③放射性核素显像如ECT；④超声波成像如超声CT 等。不管哪种医学图像，其影像灰度分布都是由人体组织特性参数的不同决定的。通常，这种差异（对比度）很小，导致影像上相邻灰度差别也就很小。而人眼对灰度的分辨率很低，只能清楚分辨从全黑到全白的十几个灰阶。所以，影像成像后必须经过数字后处理方具实用价值【2】。 2 数字图像处理 数字图像处理就是将图像转化为一个数字矩阵存放在计算机中，并采用一定的算法对其进行处理。数字图像处理的基础是数学，最主要任务就是各种算法的设计和实现。医学影像等卫生领域信息更具独特性，数字医学图像较普通图像纹理更多，分辨率更高，相关性更大，存储空间要更大，并且为严格确保临床应用的可靠性，其压缩、分割等图像预处理、图像分析及图像理解等要求更高【3】。数字医学图像处理跨计算机、数学、图形学、医学等多学科研究领域，数字医学图像处理技术包括图像变换、图像压缩、图像增强、图像平滑、边缘锐化、图像分割、图像识别【4】、图像融合等等。近年来，研发人员将众多领域方法引入应用于数字医学图像处理，经过不断的改进，处理算法的速度、处理效果得到不同程度的改善。随着信息技术的飞速发展和计算机应用水平的不断提高，利用计算机断层成像、正电子放射层析成像、单光子辐射断层摄像、磁共振成像、超声成像及其它医学影像设备所获得的图像被广泛应用于医疗诊断、组织容积定量分析、病变组织定位、解剖结构学习、治疗规划、功能成像数据的局部体效应校正、计算机指导手术和术后监测等各个环节【5】。 3 数字图像处理的优点
《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