非均匀性矫正

格式：docx
大小：328.19 KB
文档页数：10

下载文档原格式

/ 10

磁共振成像中的磁场均匀性与像质优化

磁共振成像中的磁场均匀性与像质优化磁共振成像（Magnetic Resonance Imaging，MRI）作为一种非侵入性的医学影像技术，已经广泛应用于临床诊断与研究领域。

然而，MRI图像的质量往往受到磁场均匀性的影响，因此磁场均匀性的优化成为MRI图像质量改进的关键。

在MRI成像中，磁共振信号的产生与大静态磁场（主磁场）的均匀性密切相关。

在理想情况下，主磁场应该是完全均匀的，即处于同一强度和方向。

然而，由于许多因素的干扰，如磁场的非线性、磁场非均匀性和磁场漂移等，导致实际的磁场不完全均匀。

磁场均匀性问题对MRI图像的质量有直接的影响。

首先，磁场均匀性不佳会引起图像的畸变。

这种畸变表现为图像中物体尺寸和形状的改变，严重的甚至会导致结构的丧失。

其次，磁场均匀性差还会影响信号的强度和对比度。

磁场均匀性不良会导致信号强度的不均匀分布，使得病灶的检测和区分变得困难。

此外，磁场均匀性对于成像的空间分辨率和几何失真也有影响。

为了解决磁场均匀性问题，研究人员提出了多种方法。

首先是磁场均匀性的校正技术。

利用专用的校正方法和设备，可以对磁场进行精确的校正和调整。

常见的校正方法有磁场调节、Shimming和磁体设计等。

其中，磁场调节是指通过改变主磁场磁体中的电流分布来校正磁场均匀性。

Shimming是通过在磁体中添加各种磁铁或电流阵列，产生不同的磁场来校正偏差。

此外，研究人员还提出了一些磁场均匀性不敏感的成像方法。

这些方法主要通过改变成像过程中的脉冲序列和梯度设计来减小磁场均匀性的影响。

例如，可以使用梯度矫正技术对磁场不均匀性造成的像偏移进行补偿。

另外，还可以使用平行成像技术来改进磁场均匀性不佳区域的图像质量。

除了以上方法，还有一种更高级的方法是利用新型的高场磁体来提高磁场均匀性。

传统的MRI系统一般使用低场(1.5T)或中场(3.0T)强度的磁体。

而高场MRI系统使用更高强度的磁体，可以有效地提高磁场均匀性。

然而，高场MRI系统存在一些技术挑战，如磁性共振频率偏移、磁体安全性等问题，需要进一步研究与解决。

CT衰减矫正对门控心肌灌注显像测定左心室功能参数的影响

CT衰减矫正对门控心肌灌注显像测定左心室功能参数的影响楚克涛1,2，桂文茁1,2，方文珠「，罗章伟3银(右江民族医学院1.附属医院核医学科,2.研究生学院，广西百色533000；3.广西中医药大学第一附属医院核医学科，广西南宁530023)【摘要】目的探讨CT衰减矫正(CTAC)对门控心肌灌注显像(G-MPI)测定左心室功能参数的影响。

方法选择2019年7月耀2020年7月检查的72例患者，行99m Tc-甲氧基异丁基异腈(MIBI)静息G-MPI，分别使用CTAC和非衰减矫正(NOAC)处理图像，测定左心室舒张末期容量(EDV)、收缩末期容量(ESV)、左室射血分数(LVEF)，且所有患者均在1周内完成超声心动图(ECHO)检查，比较CTAC、NOAC和ECHO测定左心室功能参数的差异。

结果①CTAC和NOAC测定的EDV、ESV、LVEF分别为(91.10±18.32)mL和(91.01±18.30)mL,(46.03±13.78)mL和(45.76±13.54)mL,(50.11±7.99)%和(50.25±7.81)%,它们之间的差异均无统计学意义(P>0.05)遥②ECHO测定的EDV、ESV、LVEF分别为(87.85±16.97)mL、(35.11±11.22)mL、(60.28±9.02)%,其中EDV、ESV均小于CTAC和NOAC(P<0.05)袁LVEF均大于CTAC和NOAC(P<0.05),CTAC-G-MPI和ECHO测量的EDV、ESV、LVEF相关系数分别为0.80,0.83,0.74,且一致性良好。

结论CTAC对G-MP I测定左心室功能参数不会产生影响，其结果准确可靠，与ECHO具有良好的相关性和一致性。

揖关键词】体层摄影术；X线计算机；衰减矫正；门控心肌灌注显像;左心室功能；超声心动图中图分类号:R816.2文献标志码:A DOI：10.3969/j.issn.1003-1383.2021.03.004Effect of CT attenuation correction on left ventricular functionmeasured by gated myocardial perfusion imagingCHU Ketao1,2,GUI Wenzhuo1,2,FANG Wenzhu1,LUO Zhangwei3^(1.Department of Nuclear Medicine of Affiliated Hospital,2.Graduate School,Youjiang Medical Universityfor Nationalities,Baise533000,Guangxi,China； 3.Department of Nuclear Medicine,The First Affiliated Hospital of Guangxi University of Chinese Medicine,Nanning530023,Guangxi,China)揖Abstract]Objective To investigate the effect of CT attenuation correction(CTAC)on left ventricular function parameters measured by gated myocardial perfusion imaging(G-MPI).Methods A total of72patients who came to our department underwent99m Tc-MIBI resting G-MPI examination from July2019to July2020were selected,CTAC and non-attenua-tion correction(NOAC)were used to process the images，and left ventricular end-diastolic volume(EDV)，end-systolic volume(ESV)and left ventricular ejection fraction(LVEF)were measured.All patients completed echocardiography(ECHO) within one week，and difference of left ventricular function parameters measured by CTAC，NOAC and ECHO were compared.Results①EDV,ESV and LVEF measured by CTAC and NOAC were(91.10±18.32)mL and(91.01±18.30) mL,(46.03±13.78)mL and(45.76±13.54)mL,(50.11±7.99)%and(50.25±7.81)%,respectively,differences were not statistically significant(P>0.05).②EDV,ESV,LVEF measured by ECHO were(87.85±16.97)mL,(35.11±11.22)mL and(60.28±9.02)%，respectively，and EDV and ESV were all lower than those by CTAC and NOAC(P<基金项目：百色市科学研究与技术开发计划项目(百科20182516)作者简介:楚克涛，男，在读硕士研究生，研究方向：核心脏病学。

红外图像非均匀性校正

改进的红外图像神经网络非均匀性校正算法摘要：红外焦平面阵列（IRFPA）像元响应存在不一致性，会严重影响红外成像系统成像的质量，实际应用中需要采用响应的非均匀性校正（NUC）技术。

传统的神经网络校正算法在校正结果中存在图像模糊和伪像的问题，影响人们对于目标的观察。

在分析了传统的神经网络性校正算法所出现问题原因的基础上，提出了有效的改进算法：用非线性滤波器代替传统算法中使用的均值滤波器。

算法改进之后所得到的校正图像，不仅在清晰度方面有明显的改善，而且有效的消除了传统算法中存在伪像的问题。

关键词：非均匀性；神经网络；模糊；伪像中图分类号：TN215 文献标识码：AImproved infrared image neural network non-uniformitycorrection algorithmAbstract：The responsive of infrared focal plane arrays (IRFPA) is different; it will affect the quality of imaging system seriously. Non-uniformity correction technology will need in practical application. The calibrated images have the problems of blurring and existing ghost artifacts when use the traditional neural network correction algorithm. And it is bad for the observation of the target. After analysis the reasons for the problems in the traditional neural network correction algorithm，proposed the improved algorithm. Replace the mean filter, which used in the traditional algorithm, by the nonlinear filter. The corrected image by the improved algorithm not only a marked improvement in clarity, but also effectively eliminate the problem of artifacts in traditional algorithms.Keywords：Non-uniformity; Neural network; Blurring; Ghosting artifacts0引言红外技术是20世纪初新出的一种不可见光技术，目前已被广泛应用于军事和民事领域，如红外探测，红外监视等。

非制冷红外探测器应用概述

DRS（美国） SCD（以色列）
主要产品 336×256 640×512
160×120 384×288 640×512 320×240 640×480 320×240 640×480 320×240 640×480 160×120 384×288
应用材料氧化钒氧化钒
非晶硅
ቤተ መጻሕፍቲ ባይዱ
主要技术指标
NETD:40mk 响应时间：10~15ms
NETD:50mk 响应时间：12ms
NETD:50~80mk 响应时间：＜10ms
非晶硅氧化钒
氧化钒
NETD:35mk 响应时间：10ms
NETD:＜50mK
氧化钒
NETD:23mK~100mK
氧化钒
NETD：＜50mK
厂商高德
大立广微积电
睿创
主要产品 336×256 640×512
384×288 640×512 384×288 640×512
二、非制冷红外技术概述
➢ 非制冷红外技术原理及分类 ➢ 非制冷红外探测器关键技术 ➢ 探测器的技术指标 ➢ 非制冷红外技术应用
2.1 非制冷红外技术原理
非制冷红外探测器利用红外辐射的热效应，由红外吸收材料将红外辐射能转换成热能，引起敏感元件温度上升。敏感元件的某个物理参数随之发生变化，再通过所设计的某种转换机制转换为电信号或可见光信号，以实现对物体的探测。
探测材料：硫酸三甘肽、钽酸锂、钽铌酸钾、钛（铁电）酸铅、钛酸锶铅、钽钪酸铅、钛酸钡
热电堆
由逸出功不同的两种导体材料所组成的闭合回路，当两接触点处的温度不同时，由于温度梯度使得材料内部的载流子向温度低的一端移动，在温度低的一端形成电荷积累，回路中就会产生热电势。（塞贝克效应Seebeck）

光电成像——非均匀性校正

1 SL NM 1 SH NM
由
S
i 1 j 1 N M i 1 j 1
N
M
i, j
( L ) ( H )
S
i, j
(L , S L )
和
(H , S H )
所确定的直线被用作校正
直线。
第6讲非均匀校正
光电成像实时处理技术
3）在一定照度下，第(i,j)个探测器单元的输出值 S i , j ( )
算法原理算法实现算法分析
第6讲非均匀校正
光电成像实时处理技术
算法原理
两点校正法是：通过测量阵列中各探测器单元对两个不同
辐照度的均匀黑体辐射的响应，并由此计算出校正值，从而实现非均匀性校正。
1 1 2 2 3 3
S SH H
S S33(( LL)) S S22(( LL)) S S11(( LL))
第6讲非均匀校正
光电成像实时处理技术
算法原理
假定探测器单元的输出信号与接收到辐照度呈线性关系。
选取辐照度 1 作为定标点，对红外焦平面阵列所有探测器单元的输出信号 Si, j (1 ) 求平均得：
1
1 S (1 ) NM
S
i 1 j 1
N
M
i, j
(1 )
S 3 (1 ) S 2 (1 ) S1 (1 )
第6讲非均匀校正
光电成像实时处理技术
三点校正公式
if (S (i, j ) S M (i, j ))
S (i, j )
S (i, j ) S M (i, j ) S (i, j ) S L (i, j ) Lm Mm S L (i, j ) S M (i, j ) S M (i, j ) S L (i, j )

四象限探测器输出非均匀性分析与矫正

四象限探测器输出非均匀性分析与矫正张骏;钱惟贤;刘泽伟【摘要】对四象限光电探测器系统的原理及其定位误差进行了分析,并提出了一种标定并修正其固有误差以及四象限非均匀性的方法.推导得出了入射光线偏移角度和输出电压的关系,并通过实验和计算得到了证实.为改善四象限探测器探测精度以及消除各项误差的影响提供了一种方法.【期刊名称】《红外技术》【年(卷),期】2016(038)007【总页数】6页(P565-570)【关键词】四象限光电探测器;目标定位;光斑偏移;定位误差【作者】张骏;钱惟贤;刘泽伟【作者单位】南京理工大学电子工程与光电技术学院,江苏南京210094;南京理工大学电子工程与光电技术学院,江苏南京210094;南京理工大学电子工程与光电技术学院,江苏南京210094【正文语种】中文【中图分类】TN215四象限探测器具有灵敏度和位置分辨率高、光谱范围宽、体积小、响应快、动态范围宽等特点，因而广泛应用于激光准直、激光制导、目标定位及自动跟踪等精密光电检测系统中，通过定位目标光斑的中心位置来检测其位移量或角偏移量的大小[1]。

四象限探测器的工作精度主要受周围环境因素、目标光斑大小、光斑能量分布、器件响应差异和系统噪声所带来的四象限不均匀性的影响，本文主要提出一种算法对四象限光电探测系统的非均匀性和固有误差进行标定和修正，并通过具体实验验证了该理论和方法的可行性[2]。

四象限探测器件的基本结构如图1所示，四象限光电探测器由4个形状相同、位置对称、面积相等且性能参数也基本相同的光敏探测区域构成，当有相应波长的入射光照射在探测器光敏面上时，探测器的各个区域将输出相应大小的电信号，通过对这4个输出电信号的计算处理，可以确定入射光点照射在感光面上的坐标位置[3]。

其中象限之间的间隔区域被称为“盲区”，工艺上要求将其做得越窄越好。

盲区将4个光电二极管分为A、B、C、D四部分，探测器工作时，来自目标的入射光线经光学系统汇聚形成光斑，映射在光敏面上，形成半径为r的圆形光斑，光斑中心坐标为(x, y)。

红外图像实时非均匀性校正技术研究及硬件实现的开题报告

红外图像实时非均匀性校正技术研究及硬件实现的开题报告以前，红外图像非均匀性（NU）是因为在使用红外测量仪器（如热成像仪）时，红外探测器中的感应材料并没有被制作得非常均匀。

因此，NU 矫正技术已经成为热成像仪研究中的重要焦点。

虽然这个问题已经被传统技术很好地解决了，但实时NU矫正仍然是一个挑战。

本论文的目的是研究和实现基于 FPGA 的实时 NU 矫正技术。

通过将 NU 地图从红外探测器中提取出来，并实现一个硬件平台以运行NU的算法，来达到实时NU矫正的目的。

硬件部分由热成像器，FPGA，SDRAM和液晶屏组成。

本论文将重点介绍基于 FPGA 的实时 NU 矫正算法和结构实现，并详细分析其算法和硬件运行机制。

首先，我们将介绍NU的算法，包括NU校正、NU地图提取和NU 地图更新等内容，并详细描述它们的实现步骤。

然后，我们将介绍基于 VHDL 的硬件设计流程，包括模块的设计、测试以及模块之间的连接，以实现NU校正的算法。

为了实现实时 NU 矫正，我们使用了SDRAM和FIFO缓冲区将大量的数据存储在FPGA 中，并用DMA 控制器实现数据的传输。

其中，在算法实现过程中，采用了一种比较速度更快的方法，即硬件实现的NU更新方法，以达到实时NU矫正的目的。

最后，我们将对硬件和算法的设计进行测试，并将测试数据与现有的软件矫正方法进行比较和分析。

测试结果表明，实时 NU 矫正算法能够在 FPGA 中良好地工作，并且具有比现有方法更高的实时性。

因此，这篇论文的主要研究内容是在硬件平台上实现基于 FPGA 的实时 NU 矫正技术。

该技术不仅提高了热成像仪的成像质量，还为热成像技术在医学、工业和安全等领域的应用提供了更广泛的应用前景。

二极磁铁、四极磁铁、六极磁铁、校正磁铁的主要用途

二极磁铁、四极磁铁、六极磁铁、校正磁铁的主要用途1.引言1.1 概述概述：磁铁是一种常见的磁性材料，具有吸引铁和其他磁性物质的能力。

在物理学和工程领域中，磁铁被广泛应用于各种领域。

本文将主要介绍四种类型的磁铁，包括二极磁铁、四极磁铁、六极磁铁和校正磁铁的主要用途。

二极磁铁是一种具有两个南极和两个北极的磁铁。

它们被广泛应用于许多领域，包括电机、发电机、磁共振成像（MRI）等。

二极磁铁的主要作用是产生均匀的磁场，并使磁性材料在该磁场中保持对称排列。

这种磁铁在电力工程和医学领域中发挥着重要作用。

四极磁铁是一种具有四个南极和四个北极的磁铁。

它们广泛应用于粒子加速器、质谱仪和光学仪器等领域。

四极磁铁主要用于控制粒子的轨道和加速方向。

通过调整四极磁铁的磁场强度和方向，可以使粒子在加速器或质谱仪中沿特定的轨道运动，实现粒子束的聚焦和分离。

六极磁铁是一种具有六个南极和六个北极的磁铁。

它们广泛应用于粒子加速器、离子注入器和束流仪等领域。

六极磁铁主要用于调整粒子的轨道和束流的稳定性。

通过调整六极磁铁的磁场强度和方向，可以在粒子束中引入偏转和矫正效果，从而实现研究和控制粒子束的目的。

校正磁铁是一种用于校正加速器系统中磁场非均匀性的磁铁。

在粒子加速器中，磁场的非均匀性会导致粒子束的偏离和发散。

校正磁铁通过产生特定磁场来矫正这些非均匀性，以保持粒子束的稳定性和精度。

校正磁铁在粒子物理实验和核磁共振等领域中发挥着重要作用。

综上所述，二极磁铁、四极磁铁、六极磁铁和校正磁铁在物理学和工程领域中有着广泛的应用。

它们各自具有不同的特点和主要用途，可用于控制粒子的轨道、研究粒子束的性质以及校正磁场的非均匀性。

这些磁铁的应用推动了科学和技术的发展，并在许多领域中发挥着重要作用。

文章结构部分的内容可以如下所示：1.2 文章结构本文将根据磁铁的不同类型，分别介绍二极磁铁、四极磁铁、六极磁铁和校正磁铁的主要用途。

首先，将在引言部分对磁铁的概念进行概述，以便读者对磁铁有一个基本的了解。

大相对孔径非制冷红外光学系统无热化设计

大相对孔径非制冷红外光学系统无热化设计林琳;门克内木乐;解晓蓬;郭晶【摘要】To meet the needs of the current military infrared imaging instrument,we designed a lens for 8~12 μm wave band with uncooled optical passive method.The specific parameter,F is 1,focus is 40 mm,field of view is 16.8°.The design results are achieved within the scope of the -40~65 ℃,as close to the diffraction limitation.The system does not need focus.The athermalization performance is good.%针对当前军工红外成像仪器小型化及宽温度适应性的需要，采用光学被动式无热化方法对8～12μm 波段设计了一款镜头。

该镜头 F 数为1、焦距为40 mm、视场为16．8°、温度适应范围为－40～65℃。

设计结果显示，在要求的温度范围内，系统无需调焦，像质接近衍射极限，达到无热化的性能要求。

【期刊名称】《光学仪器》【年(卷),期】2015(000)004【总页数】5页(P319-323)【关键词】红外光学系统;无热化;大相对孔径【作者】林琳;门克内木乐;解晓蓬;郭晶【作者单位】内蒙古大学物理科学与技术学院，内蒙古呼和浩特 010021;内蒙古大学鄂尔多斯学院，内蒙古鄂尔多斯 017000;内蒙古大学物理科学与技术学院，内蒙古呼和浩特 010021;内蒙古大学物理科学与技术学院，内蒙古呼和浩特010021【正文语种】中文【中图分类】TN202引言随着红外成像技术的发展，对于红外成像系统在复杂环境中的适应性提出了越来越高的要求。

矫正牙齿的效果如何进行评估和监测

矫正牙齿的效果如何进行评估和监测牙齿矫正，是一项旨在改善牙齿排列、咬合关系以及面容美观的口腔治疗手段。

然而，矫正过程并非一蹴而就，需要经过一段时间的治疗和调整。

在这个过程中，对矫正效果的评估和监测至关重要，它不仅能让患者了解治疗的进展，还能帮助医生及时发现问题并做出相应的调整，以确保最终达到理想的矫正效果。

首先，我们来谈谈牙齿排列的改善。

这是矫正牙齿最直观的效果之一。

评估牙齿排列是否整齐，需要观察每颗牙齿在牙弓中的位置。

正常情况下，牙齿应该紧密排列，没有明显的拥挤、稀疏或者扭转。

医生会通过口腔检查和模型分析来判断牙齿的排列情况。

在口腔检查中，医生会用专业的工具检查牙齿之间的接触关系，看是否存在间隙或者重叠。

模型分析则是通过制取患者牙齿的石膏模型，在模型上更清晰地观察牙齿的排列和咬合情况。

如果在矫正过程中，牙齿逐渐排列整齐，间隙关闭，扭转得到纠正，那么这就是矫正效果良好的表现。

咬合关系的调整也是评估矫正效果的重要方面。

良好的咬合关系对于咀嚼功能的正常发挥和牙齿的长期稳定至关重要。

正常的咬合应该是上牙覆盖下牙的 1/3 左右，上下牙尖窝相对，咀嚼时力量分布均匀。

在矫正过程中，医生会通过调整牙齿的位置和角度，来实现理想的咬合关系。

患者可以通过自己的感受来初步判断咬合是否改善，比如咀嚼食物是否更加顺畅，有无咬合疼痛等。

但更准确的评估还是需要依靠医生的专业检查，包括使用咬合纸、咬合蜡等工具来检测咬合接触点的分布和力量。

面容美观的改善是许多患者进行牙齿矫正的重要诉求之一。

牙齿矫正对面容的影响主要体现在唇部的形态、面部的对称性以及下巴的位置等方面。

对于前突或者后缩的牙齿，矫正后唇部会更加自然闭合，面部轮廓也会更加协调。

医生会通过拍摄面部照片，包括正面、侧面和 45 度角的照片，与矫正前的照片进行对比，来评估面容美观的改善情况。

同时，患者自身的感受和周围人的反馈也是评估面容美观改善的重要参考。

除了以上这些直观的方面，牙周健康也是评估矫正效果不可忽视的一部分。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

一、图像的非均匀性矫正二、图像增强三、程序代码（MATLAB）%%%%%%%%%%%%%%%%%%%%555555555555555555555555555555555一点矫正HIGH_T=fopen('highdat_151.dat','rb');HIGH=fread(HIGH_T,[200,200],'uint8');HIGH=uint8(HIGH); %类型转化为uint8subplot(321);imshow(HIGH); title('原始高温图像');subplot(322);mesh(double(HIGH));title('原始高温图像三维显示'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%LOW_T=fopen('lowdat_151.dat','rb');LOW=fread(LOW_T,[200,200],'uint8');LOW=uint8(LOW);subplot(323);imshow(LOW); title('原始低温图像');subplot(324);mesh(double(LOW)); title('原始低温图像三维显示'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%HAND_D=fopen('handdat_60.dat','rb');HAND=fread(HAND_D,[200,200],'uint8');HAND=uint8(HAND);subplot(325),imshow(HAND); title('原始手形图像');subplot(326),mesh(double(HAND)); title('原始手形图像三维显示'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%选取低温图进行定标S=mean2(LOW(:)); % S为定标值S_LOW=S*ones(200,200);S_LOW=uint8(S_LOW); %S_LOW为定标矩阵D_LOW=LOW-S_LOW; %校正系数D_LOWfigure;HIGH_L=HIGH-D_LOW;subplot(321);imshow(HIGH_L); title('经低温矫正后的高温图像');subplot(322);mesh(double(HIGH_L)); title('经低温矫正后的高温图像三维显示'); LOW_L=S_LOW;subplot(323);imshow(LOW_L); title('经低温矫正后的低温图像');subplot(324);mesh(double(LOW_L)); title('经低温矫正后的低温图像三维显示'); HAND_L=HAND-D_LOW;subplot(325);imshow(HAND_L); title('经低温矫正后的原始手图像');subplot(326);mesh(double(HAND_L)); title('经低温矫正后的原始手图像三维显示'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%选取高温图进行定标S=mean2(HIGH(:)); % S为定标值S_HIGH=S*ones(200,200);S_HIGH=uint8(S_HIGH); %S_LOW为定标矩阵D_HIGH=HIGH-S_HIGH; %校正系数D_HIGHfigure;HIGH_H=S_HIGH;subplot(321);imshow(HIGH_H); title('经高温矫正后的高温图像');subplot(322);mesh(double(HIGH_H)); title('经高温矫正后的高温图像三维显示'); LOW_H=LOW-D_HIGH;subplot(323);imshow(LOW_H); title('经高温矫正后的低温图像');subplot(324);mesh(double(LOW_H)); title('经高温矫正后的低温图像三维显示'); HAND_H=HAND-D_HIGH;subplot(325);imshow(HAND_H); title('经高温矫正后的原始手图像');subplot(326);mesh(double(HAND_H)); title('经高温矫正后的原始手图像三维显示');%%%%%%%%5555555555555555555555555555555555555555两点矫正%%%%%在上述程序基础之上S_L=mean2(LOW(:)); % S_L为矫正点定标值S_H=mean2(HIGH(:)); % S_H为矫正点定标值G_1=S_H-S_L; %数G_1G_2=HIGH-LOW; %矩阵G_2G=zeros(200,200);figure;G_3=zeros(200,200);O=zeros(200,200);HIGH_HL=zeros(200,200);for x=1:200for y=1:200G(x,y)=G_1/G_2(x,y);%乘性增益G_3(x,y)=G(x,y)*LOW(x,y);O(x,y)=S_L-G_3(x,y); %加性增益HIGH_HL(x,y)=HIGH(x,y)*G(x,y)+O(x,y);%对盲元处进行矫正endendHIGH_HL=uint8(HIGH_HL);subplot(321); imshow(HIGH_HL,[]);title('两点矫正后的高温图像');subplot(322);mesh(double(HIGH_HL)); title('两点矫正后的高温图像三维显示'); LOW_HL=zeros(200,200);for x=1:200for y=1:200G(x,y)=G_1/G_2(x,y);%乘性增益G_3(x,y)=G(x,y)*LOW(x,y);O(x,y)=S_L-G_3(x,y); %加性增益LOW_HL(x,y)=LOW(x,y)* G(x,y)+O(x,y);%对盲元处进行矫正endendLOW_HL=uint8(LOW_HL);subplot(323);imshow(LOW_HL,[]); title('两点矫正后的低温图像');subplot(324);mesh(double(LOW_HL)); title('两点矫正后的低温图像三维显示'); HAND_HL=zeros(200,200);for x=1:200for y=1:200G(x,y)=G_1/G_2(x,y);%乘性增益G_3(x,y)=G(x,y)*LOW(x,y);O(x,y)=S_L-G_3(x,y); %加性增益HAND_HL(x,y)=HAND(x,y)* G(x,y)+O(x,y);%对盲元处进行矫正endendHAND_HL=uint8(HAND_HL);subplot(325);imshow(HAND_HL,[]); title('两点矫正后的手图像');subplot(326);mesh(double(HAND_HL)); title('两点矫正后的手图像三维显示');%%%%%%%%%%%%%%%%%%%%%%%%%%%%直方图均衡增强TU=HAND_HL;graydis=zeros(1,256); %设置矩阵大小graydispro=zeros(1,256);new_graydis=zeros(1,256);new_graydispro=zeros(1,256);[N,M]=size(TU);NEW_TU=zeros(N,M);for x=1:Nfor y=1:Mgraydis(1,TU(x,y))=graydis(1,TU(x,y))+1;endendgraydispro=graydis./sum(graydis);for i=2:256graydispro(1,i)=graydispro(1,i)+graydispro(1,i-1);end%计算和原始灰度对应的新的灰度t[]，建立映射关系for i=1:256t(1,i)=floor(254*graydispro(1,i)+0.5);endfor x=1:Nfor y=1:MNEW_TU(x,y)=t(1,TU(x,y));endend%%%%%%%%%%%%%%%%%%%%5555555555555555555改进图像增强算法I=TU;m=mean(I(:));%获得图像阈值for i=1:200for j=1:200if I(i,j)>m+2 && I(i,j)<=255 %灰度大于阈值灰度按一定比值进行增加l=I(i,j)-m; %灰度差值k=20*l/(255-m); %%灰度增加量I1(i,j)=I(i,j)+k;elseI1(i,j)=I(i,j)-80; %灰度小于阈值，灰度减小endendends=fftshift(fft2(I1));[a,b]=size(s);a0=round(a/2);b0=round(b/2);d=0.001;p=0.9;q=1;for i=1:afor j=1:bdistance=sqrt((i-a0)^2+(j-b0)^2);if distance<=dh=0;elseh=1;ends(i,j)=(p+q*h)*s(i,j);endends=uint8(real(ifft2(ifftshift(s)))); figure;subplot(321);imshow(TU,[]);title('两点矫正后的手图');subplot(322);mesh(double(TU));title('对应的三为响应图');subplot(323);imshow(NEW_TU,[]); title('直方图均衡化后的图'); subplot(324);mesh(double(NEW_TU)); title('对应的三为响应图');subplot(325);imshow(s,[]);title('算法增强后所得图像'); subplot(326);mesh(double(s));title('对应三维响应图');。