当前位置：文档之家› 医学图像处理基本函数代码(部分)

医学图像处理基本函数代码(部分)

Procedure csh(bp:Tbitmap); //临时变量初始化函数

begin

//临时图像变量初始化

tp.Free;

tp:=Tbitmap.Create;

tp.Width:=bp.Width;

tp.Height:=bp.Height;

tp.PixelFormat:=pf24bit;

tp.Assign(bp);

end;

Procedure csh2(); //临时变量初始化函数

begin

//临时图像变量初始化

tp.Free;

tp:=Tbitmap.Create;

tp.Width:=bp.Width;

tp.Height:=bp.Height;

tp.PixelFormat:=pf24bit;

end;

Function xxbh(k:double;b:integer):Tbitmap; //线性变换var

i,j:integer;

p:PByteArray;

begin

//临时变量初始化

csh(bp);

for j:=0 to tp.Height-1 do

begin

p:=tp.ScanLine[j];

for i:=0 to tp.Width-1 do

begin

p[i*3+2]:=bjkz(floor(k*p[i*3+2]+b));

p[i*3+1]:=bjkz(floor(k*p[i*3+1]+b));

p[i*3]:=bjkz(floor(k*p[i*3]+b));

end;

result:=tp;

end;

Function bjkz(n:integer):integer; //边界控制函数

begin

result:=max(min(n,255),0);

end;

Function dshs(x:integer;a,b,c:double):integer; //对数函数begin

result:=bjkz(floor(b*368*ln(c*x/255+1)+a));

end;

Function dsbh(a,b,c:double):Tbitmap; //对数变换

var

i,j:integer;

p:PByteArray;

begin

//临时变量初始化

csh(bp);

//图像对数变换

for j:=0 to tp.Height-1 do

begin

p:=tp.ScanLine[j];

for i:=0 to tp.Width-1 do

begin

p[i*3+2]:=dshs(p[i*3+2],a,b,c);

p[i*3+1]:=dshs(p[i*3+1],a,b,c);

p[i*3]:=dshs(p[i*3],a,b,c);

end;

result:=tp;

end;

Function zshs(x:integer;a,b,c:double):integer; //指数函数begin

result:=bjkz(floor(128*power(b,c*((x-a)/255))-1)); end;

Function zsbh(a,b,c:double):Tbitmap; //指数变换

var

i,j:integer;

p:PByteArray;

begin

//临时变量初始化

csh(bp);

for j:=0 to tp.Height-1 do

begin

p:=tp.ScanLine[j];

for i:=0 to tp.Width-1 do

begin

p[i*3+2]:=zshs(p[i*3+2],a,b,c);

p[i*3+1]:=zshs(p[i*3+1],a,b,c);

p[i*3]:=zshs(p[i*3],a,b,c);

end;

result:=tp;

end;

Function kchs(x:integer;c,w:double):integer; //开窗函数begin

result:=bjkz(floor(255*(x-c)/w));

end;

Function kcbh(c,w:double):Tbitmap; //开窗变换

var

i,j:integer;

p:PByteArray;

begin

//临时变量初始化

csh(bp);

//图像对数变换

for j:=0 to tp.Height-1 do

begin

p:=tp.ScanLine[j];

for i:=0 to tp.Width-1 do

begin

p[i*3+2]:=kchs(p[i*3+2],c,w);

p[i*3+1]:=kchs(p[i*3+1],c,w);

p[i*3]:=kchs(p[i*3],c,w);

end;

result:=tp;

end;

Function hzft(tp:Tbitmap;n:integer):Tbitmap; //画直方图函数

var

zft:Array[0..255] of integer; //定义数组

i,j,gray,max:integer;

p:PByteArray;

begin

for i:=0 to 255 do

begin

zft[i]:=0;

end;

for j:=0 to tp.Height-1 do

begin

p:=tp.ScanLine[j];

for i:=0 to tp.Width-1 do

begin

gray:=floor(0.3*p[i*3+2]+0.59*p[i*3+1]+0.11*p[i*3]); //计算灰阶

if n=0 then zft[gray]:=zft[gray]+1;

if n=1 then zft[p[i*3+2]]:=zft[p[i*3+2]]+1;

if n=2 then zft[p[i*3+1]]:=zft[p[i*3+1]]+1;

if n=3 then zft[p[i*3]]:=zft[p[i*3]]+1;

end;

max:=1;

for i:=1 to 254 do //去掉0和255

begin

if max

end;

zftmap.Free;

zftmap:=Tbitmap.Create;

zftmap.Height:=100;

zftmap.Width:=258;

zftmap.PixelFormat:=pf24bit;

if n=0 then zftmap.Canvas.Pen.Color:=clBlack; //定义画笔颜色

if n=1 then zftmap.Canvas.Pen.Color:=clRed;

if n=2 then zftmap.Canvas.Pen.Color:=clGreen;

if n=3 then zftmap.Canvas.Pen.Color:=clBlue;

for i:=0 to 255 do //绘制直方图

begin

zftmap.Canvas.MoveTo(i+1,zftmap.Height);

zftmap.Canvas.LineTo(i+1,zftmap.Height-(zft[i]*zftmap.Height div max)); end;

result:=zftmap;

end;

Function txfx(tmap:Tbitmap):Tbitmap; //图像反相函数

var

i,j:integer;

p:PByteArray;

begin

//if bp=nil then exit; //未载入图像时运行反相按钮的错误解决

for j:=0 to tmap.Height-1 do

begin

p:=tmap.ScanLine[j];

for i:=0 to tmap.Width-1 do

begin

p[i*3]:=not p[i*3]; //蓝

p[i*3+1]:=not p[i*3+1]; //绿

p[i*3+2]:=not p[i*3+2]; //红

end;

result:=tmap;

end;

Function jzlb():Tbitmap; //均值滤波函数

var

i,j:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

//均值滤波

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

p[i*3+2]:=floor((p1[(i-1)*3+2]+p1[i*3+2]+p1[(i+1)*3+2]+

p2[(i-1)*3+2]+p2[i*3+2]+p2[(i+1)*3+2]+

p3[(i-1)*3+2]+p3[i*3+2]+p3[(i+1)*3+2]) div 9);

p[i*3+1]:=floor((p1[(i-1)*3+1]+p1[i*3+1]+p1[(i+1)*3+1]+

p2[(i-1)*3+1]+p2[i*3+1]+p2[(i+1)*3+1]+

p3[(i-1)*3+1]+p3[i*3+1]+p3[(i+1)*3+1]) div 9);

p[i*3+0]:=floor((p1[(i-1)*3+0]+p1[i*3+0]+p1[(i+1)*3+0]+

p2[(i-1)*3+0]+p2[i*3+0]+p2[(i+1)*3+0]+

p3[(i-1)*3+0]+p3[i*3+0]+p3[(i+1)*3+0]) div 9);

end;//i

end;//j

result:=tp;

end;

Function jqlb(a0,a1,a2,a3,a4,a5,a6,a7,a8:integer):Tbitmap; //加权滤波函数

var

i,j:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

//加权滤波

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

p[i*3+2]:=floor((1*p1[(i-1)*3+2]+2*p1[i*3+2]+1*p1[(i+1)*3+2]+

2*p2[(i-1)*3+2]+4*p2[i*3+2]+2*p2[(i+1)*3+2]+

1*p3[(i-1)*3+2]+2*p3[i*3+2]+1*p3[(i+1)*3+2]) div 16); p[i*3+1]:=floor((1*p1[(i-1)*3+1]+2*p1[i*3+1]+1*p1[(i+1)*3+1]+

2*p2[(i-1)*3+1]+4*p2[i*3+1]+2*p2[(i+1)*3+1]+

1*p3[(i-1)*3+1]+2*p3[i*3+1]+1*p3[(i+1)*3+1]) div 16); p[i*3+0]:=floor((1*p1[(i-1)*3+0]+2*p1[i*3+0]+1*p1[(i+1)*3+0]+

2*p2[(i-1)*3+0]+4*p2[i*3+0]+2*p2[(i+1)*3+0]+

1*p3[(i-1)*3+0]+2*p3[i*3+0]+1*p3[(i+1)*3+0]) div 16); end;//i

end;//j

result:=tp;

end;

Function jjlb(a0,a1,a2,a3,a4,a5,a6,a7,a8:integer):Tbitmap; //加权滤波函数

var

i,j,sum:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

sum:=a0+a1+a2+a3+a4+a5+a6+a7+a8;

//卷值滤波

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

p[i*3+2]:=floor((a0*p1[(i-1)*3+2]+a1*p1[i*3+2]+a2*p1[(i+1)*3+2]+

a3*p2[(i-1)*3+2]+a4*p2[i*3+2]+a5*p2[(i+1)*3+2]+

a6*p3[(i-1)*3+2]+a7*p3[i*3+2]+a8*p3[(i+1)*3+2]) div sum); p[i*3+1]:=floor((a0*p1[(i-1)*3+1]+a1*p1[i*3+1]+a2*p1[(i+1)*3+1]+

a3*p2[(i-1)*3+1]+a4*p2[i*3+1]+a5*p2[(i+1)*3+1]+

a6*p3[(i-1)*3+1]+a7*p3[i*3+1]+a8*p3[(i+1)*3+1]) div sum); p[i*3+0]:=floor((a0*p1[(i-1)*3+0]+a1*p1[i*3+2]+a2*p1[(i+1)*3+2]+

a3*p2[(i-1)*3+0]+a4*p2[i*3+0]+a5*p2[(i+1)*3+0]+

a6*p3[(i-1)*3+0]+a7*p3[i*3+0]+a8*p3[(i+1)*3+0]) div sum); end;//i

end;//j

result:=tp;

end;

Function zzpx(a0,a1,a2,a3,a4,a5,a6,a7,a8:integer):integer; //中值排序函数

var

i,j,t:integer;

b:Array[0..8] of integer;

begin

//对数组赋初始值

b[0]:=a0; b[1]:=a1; b[2]:=a2;

b[3]:=a3; b[4]:=a4; b[5]:=a5;

b[6]:=a6; b[7]:=a7; b[8]:=a8;

//排序

for i:=0 to 7 do

begin

for j:=i+1 to 8 do

begin

if b[j]>b[i] then

begin

t:=b[i];

b[i]:=b[j];

b[j]:=t;

end;

result:=b[4];

end;

Function zzlb():Tbitmap; //中值滤波函数

var

i,j:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

//中值滤波

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

p[i*3+2]:=zzpx(p1[(i-1)*3+2],p1[i*3+2],p1[(i+1)*3+2], p2[(i-1)*3+2],p2[i*3+2],p2[(i+1)*3+2],

p3[(i-1)*3+2],p3[i*3+2],p3[(i+1)*3+2]); p[i*3+1]:=zzpx(p1[(i-1)*3+1],p1[i*3+1],p1[(i+1)*3+1], p2[(i-1)*3+1],p2[i*3+1],p2[(i+1)*3+1],

p3[(i-1)*3+1],p3[i*3+1],p3[(i+1)*3+1]); p[i*3+0]:=zzpx(p1[(i-1)*3+0],p1[i*3+0],p1[(i+1)*3+0], p2[(i-1)*3+0],p2[i*3+0],p2[(i+1)*3+0],

p3[(i-1)*3+0],p3[i*3+0],p3[(i+1)*3+0]); end;//i

end;//j

result:=tp;

end;

Function rob2():Tbitmap; //robert算子全通道

var

i,j:integer;

p1,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

//全通道

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

p[i*3+2]:=max(abs(p1[(i+1)*3+2]-p3[(i-1)*3+2]),abs(p1[(i-1)*3+2]-p3[(i+1)*3+2]) );

p[i*3+1]:=max(abs(p1[(i+1)*3+1]-p3[(i-1)*3+1]),abs(p1[(i-1)*3+1]-p3[(i+1)*3+1]) );

p[i*3+0]:=max(abs(p1[(i+1)*3+0]-p3[(i-1)*3+0]),abs(p1[(i-1)*3+0]-p3[(i+1)*3+0]) );

end;//i

end;//j

result:=tp;

end;

Function rob3():Tbitmap; //robert算子灰度

var

i,j,gray:integer;

p1,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

//全通道

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

gray:=floor((max(abs(p1[(i+1)*3+2]-p3[(i-1)*3+2]),abs(p1[(i-1)*3+2]-p3[(i+1)*3+ 2]))+

max(abs(p1[(i+1)*3+1]-p3[(i-1)*3+1]),abs(p1[(i-1)*3+1]-p3[(i+1)*3+1]))+

max(abs(p1[(i+1)*3+0]-p3[(i-1)*3+0]),abs(p1[(i-1)*3+0]-p3[(i+1)*3+0])))/3);

p[i*3+2]:=gray;

p[i*3+1]:=gray;

p[i*3+0]:=gray;

end;//i

end;//j

result:=tp;

end;

Function rob4(yz:integer):Tbitmap; //robert算子阈值

var

i,j,gray:integer;

p1,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

//阈值

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

gray:=floor((max(abs(p1[(i+1)*3+2]-p3[(i-1)*3+2]),abs(p1[(i-1)*3+2]-p3[(i+1)*3+ 2]))+

max(abs(p1[(i+1)*3+1]-p3[(i-1)*3+1]),abs(p1[(i-1)*3+1]-p3[(i+1)*3+1]))+

max(abs(p1[(i+1)*3+0]-p3[(i-1)*3+0]),abs(p1[(i-1)*3+0]-p3[(i+1)*3+0])))/3); if gray>yz then

begin

p[i*3+2]:=255;

p[i*3+1]:=255;

p[i*3+0]:=255;

end else

begin

p[i*3+2]:=0;

p[i*3+1]:=0;

p[i*3+0]:=0;

end;

end;//i

end;//j

result:=tp;

end;

Function sob2():Tbitmap; //sobel算子全通道

var

i,j:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

//全通道

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

p[i*3+2]:=bjkz( abs(p1[(i+1)*3+2]+2*p2[(i+1)*3+2]+p3[(i+1)*3+2] -p1[(i-1)*3+2]-2*p2[(i-1)*3+2]-p3[(i-1)*3+2])+ abs(p3[(i-1)*3+2]+2*p3[i*3+2]+p3[(i+1)*3+2]

-p1[(i-1)*3+2]-2*p1[i*3+2]-p1[(i+1)*3+2]));

p[i*3+1]:=bjkz( abs(p1[(i+1)*3+1]+2*p2[(i+1)*3+1]+p3[(i+1)*3+1] -p1[(i-1)*3+1]-2*p2[(i-1)*3+1]-p3[(i-1)*3+1])+ abs(p3[(i-1)*3+1]+2*p3[i*3+1]+p3[(i+1)*3+1]

-p1[(i-1)*3+1]-2*p1[i*3+1]-p1[(i+1)*3+1]));

p[i*3+0]:=bjkz( abs(p1[(i+1)*3+0]+2*p2[(i+1)*3+0]+p3[(i+1)*3+0]

-p1[(i-1)*3+0]-2*p2[(i-1)*3+0]-p3[(i-1)*3+0])+ abs(p3[(i-1)*3+0]+2*p3[i*3+0]+p3[(i+1)*3+0]

-p1[(i-1)*3+0]-2*p1[i*3+0]-p1[(i+1)*3+0]));

end;//i

end;//j

result:=tp;

end;

Function sob3():Tbitmap; //sobel算子 max

var

i,j:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

//max

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

p[i*3+2]:=bjkz(max( abs(p3[(i-1)*3+2]+2*p3[i*3+2]+p3[(i+1)*3+2]

-p1[(i-1)*3+2]-2*p1[i*3+2]-p1[(i+1)*3+2]),

abs(p1[(i+1)*3+2]+2*p2[(i+1)*3+2]+p3[(i+1)*3+2]

-p1[(i-1)*3+2]-2*p2[(i-1)*3+2]-p3[(i-1)*3+2]))); p[i*3+1]:=bjkz(max( abs(p3[(i-1)*3+1]+2*p3[i*3+1]+p3[(i+1)*3+1]

-p1[(i-1)*3+1]-2*p1[i*3+1]-p1[(i+1)*3+1]),

abs(p1[(i+1)*3+1]+2*p2[(i+1)*3+1]+p3[(i+1)*3+1]

-p1[(i-1)*3+1]-2*p2[(i-1)*3+1]-p3[(i-1)*3+1]))); p[i*3+0]:=bjkz(max( abs(p3[(i-1)*3+0]+2*p3[i*3+0]+p3[(i+1)*3+0]

-p1[(i-1)*3+0]-2*p1[i*3+0]-p1[(i+1)*3+0]),

abs(p1[(i+1)*3+0]+2*p2[(i+1)*3+0]+p3[(i+1)*3+0]

-p1[(i-1)*3+0]-2*p2[(i-1)*3+0]-p3[(i-1)*3+0]))); end;//i

end;//j

result:=tp;

end;

Function sob4():Tbitmap; //sobel 算子灰度

var

i,j,gray:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

//灰度

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

gray:=floor((max(abs(p3[(i-1)*3+2]+2*p3[i*3+2]+p3[(i+1)*3+2]

-p1[(i-1)*3+2]-2*p1[i*3+2]-p1[(i+1)*3+2]),

abs(p1[(i+1)*3+2]+2*p2[(i+1)*3+2]+p3[(i+1)*3+2]

-p1[(i-1)*3+2]-2*p2[(i-1)*3+2]-p3[(i-1)*3+2]))+

max(abs(p3[(i-1)*3+1]+2*p3[i*3+1]+p3[(i+1)*3+1]

-p1[(i-1)*3+1]-2*p1[i*3+1]-p1[(i+1)*3+1]),

abs(p1[(i+1)*3+1]+2*p2[(i+1)*3+1]+p3[(i+1)*3+1]

-p1[(i-1)*3+1]-2*p2[(i-1)*3+1]-p3[(i-1)*3+1]))+

max(abs(p3[(i-1)*3+0]+2*p3[i*3+0]+p3[(i+1)*3+0]

-p1[(i-1)*3+0]-2*p1[i*3+0]-p1[(i+1)*3+0]),

abs(p1[(i+1)*3+0]+2*p2[(i+1)*3+0]+p3[(i+1)*3+0]

-p1[(i-1)*3+0]-2*p2[(i-1)*3+0]-p3[(i-1)*3+0])))/3); p[i*3+2]:=gray;

p[i*3+1]:=gray;

p[i*3+0]:=gray;

end;//i

end;//j

result:=tp;

end;

Function sob5(yz:integer):Tbitmap; //sobel 算子阈值

var

i,j,gray:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

//阈值

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

gray:=floor((max(abs(p3[(i-1)*3+2]+2*p3[i*3+2]+p3[(i+1)*3+2]

-p1[(i-1)*3+2]-2*p1[i*3+2]-p1[(i+1)*3+2]),

abs(p1[(i+1)*3+2]+2*p2[(i+1)*3+2]+p3[(i+1)*3+2]

-p1[(i-1)*3+2]-2*p2[(i-1)*3+2]-p3[(i-1)*3+2]))+

max(abs(p3[(i-1)*3+1]+2*p3[i*3+1]+p3[(i+1)*3+1]

-p1[(i-1)*3+1]-2*p1[i*3+1]-p1[(i+1)*3+1]),

abs(p1[(i+1)*3+1]+2*p2[(i+1)*3+1]+p3[(i+1)*3+1]

-p1[(i-1)*3+1]-2*p2[(i-1)*3+1]-p3[(i-1)*3+1]))+

max(abs(p3[(i-1)*3+0]+2*p3[i*3+0]+p3[(i+1)*3+0]

-p1[(i-1)*3+0]-2*p1[i*3+0]-p1[(i+1)*3+0]),

abs(p1[(i+1)*3+0]+2*p2[(i+1)*3+0]+p3[(i+1)*3+0]

-p1[(i-1)*3+0]-2*p2[(i-1)*3+0]-p3[(i-1)*3+0])))/3);

if gray>yz then

begin

p[i*3+2]:=255;

p[i*3+1]:=255;

p[i*3+0]:=255;

end else

begin

p[i*3+2]:=0;

p[i*3+1]:=0;

p[i*3+0]:=0;

end;

end;//i

end;//j

result:=tp;

end;

Function kir(a0,a1,a2,a3,a4,a5,a6,a7:integer):integer; //kirsch算子函数,求7个方向的最大值

var

i,max:integer;

b:Array[0..7] of integer;

begin

b[0]:=abs(5*(a0+a1+a2)-3*(a3+a4+a5+a6+a7));

b[1]:=abs(5*(a1+a2+a3)-3*(a4+a5+a6+a7+a0));

b[2]:=abs(5*(a2+a3+a4)-3*(a5+a6+a7+a0+a1));

b[3]:=abs(5*(a3+a4+a5)-3*(a6+a7+a0+a1+a2));

b[4]:=abs(5*(a4+a5+a6)-3*(a7+a0+a1+a2+a3));

b[5]:=abs(5*(a5+a6+a7)-3*(a0+a1+a2+a3+a4));

b[6]:=abs(5*(a6+a7+a0)-3*(a1+a2+a3+a4+a5));

b[7]:=abs(5*(a7+a0+a1)-3*(a2+a3+a4+a5+a6));

max:=1;

for i:=0 to 7 do

begin

if max

end;//i

result:=max;

end;

Function kirsch1():Tbitmap; //kirsch算子，灰度

var

i,j,gray:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

//灰度

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

gray:=bjkz(floor(0.3*kir(p1[(i-1)*3+2],p1[i*3+2],p1[(i+1)*3+2], p2[(i+1)*3+2],p3[(i+1)*3+2],p3[i*3+2], p3[(i-1)*3+2],p2[(i-1)*3+2])+

0.59*kir(p1[(i-1)*3+1],p1[i*3+1],p1[(i+1)*3+1], p2[(i+1)*3+1],p3[(i+1)*3+1],p3[i*3+1], p3[(i-1)*3+1],p2[(i-1)*3+1])+

0.11*kir(p1[(i-1)*3+0],p1[i*3+0],p1[(i+1)*3+0], p2[(i+1)*3+0],p3[(i+1)*3+0],p3[i*3+0],

p3[(i-1)*3+0],p2[(i-1)*3+0])));

p[i*3+2]:=gray;

p[i*3+1]:=gray;

p[i*3+0]:=gray;

end;//i

end;//j

result:=tp;

end;

Function kirsch2(yz:integer):Tbitmap; //kirsch算子，阈值

var

i,j,gray:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

//灰度

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

gray:=bjkz(floor(0.3*kir(p1[(i-1)*3+2],p1[i*3+2],p1[(i+1)*3+2], p2[(i+1)*3+2],p3[(i+1)*3+2],p3[i*3+2], p3[(i-1)*3+2],p2[(i-1)*3+2])+

0.59*kir(p1[(i-1)*3+1],p1[i*3+1],p1[(i+1)*3+1], p2[(i+1)*3+1],p3[(i+1)*3+1],p3[i*3+1], p3[(i-1)*3+1],p2[(i-1)*3+1])+

0.11*kir(p1[(i-1)*3+0],p1[i*3+0],p1[(i+1)*3+0], p2[(i+1)*3+0],p3[(i+1)*3+0],p3[i*3+0], p3[(i-1)*3+0],p2[(i-1)*3+0])));

if gray>yz then

begin

p[i*3+2]:=255;

p[i*3+1]:=255;

p[i*3+0]:=255;

end else

begin

p[i*3+2]:=0;

p[i*3+1]:=0;

p[i*3+0]:=0;

end;

end;//i

end;//j

result:=tp;

end;

Function kirsch3(xs:double):Tbitmap; //kirsch算子，+原图

var

i,j:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

//加原图

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

p[i*3+2]:=bjkz(floor(xs*kir(p1[(i-1)*3+2],p1[i*3+2],p1[(i+1)*3+2], p2[(i+1)*3+2],p3[(i+1)*3+2],p3[i*3+2],

p3[(i-1)*3+2],p2[(i-1)*3+2]))+p2[i*3+2]);

p[i*3+1]:=bjkz(floor(xs*kir(p1[(i-1)*3+1],p1[i*3+1],p1[(i+1)*3+1], p2[(i+1)*3+1],p3[(i+1)*3+1],p3[i*3+1],

p3[(i-1)*3+1],p2[(i-1)*3+1]))+p2[i*3+1]);

p[i*3+0]:=bjkz(floor(xs*kir(p1[(i-1)*3+0],p1[i*3+0],p1[(i+1)*3+0], p2[(i+1)*3+0],p3[(i+1)*3+0],p3[i*3+0],

p3[(i-1)*3+0],p2[(i-1)*3+0]))+p2[i*3+0]);

end;//i

end;//j

result:=tp;

end;

Function lap1():Tbitmap; //laplacian算子，边界控制

var

i,j:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

// 边界控制

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

p[i*3+2]:=bjkz(p1[i*3+2]+p2[(i-1)*3+2]+p2[(i+1)*3+2]+p3[i*3+2]-4*p2[i*3+2]); p[i*3+1]:=bjkz(p1[i*3+1]+p2[(i-1)*3+1]+p2[(i+1)*3+1]+p3[i*3+1]-4*p2[i*3+1]);

p[i*3+0]:=bjkz(p1[i*3+0]+p2[(i-1)*3+0]+p2[(i+1)*3+0]+p3[i*3+0]-4*p2[i*3+0]); end;//i

end;//j

result:=tp;

end;

Function lap2():Tbitmap; //laplacian算子，abs

var

i,j:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

// abs

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

p[i*3+2]:=bjkz(abs(p1[i*3+2]+p2[(i-1)*3+2]+p2[(i+1)*3+2]+p3[i*3+2]-4*p2[i*3+2]) );

p[i*3+1]:=bjkz(abs(p1[i*3+1]+p2[(i-1)*3+1]+p2[(i+1)*3+1]+p3[i*3+1]-4*p2[i*3+1]) );

p[i*3+0]:=bjkz(abs(p1[i*3+0]+p2[(i-1)*3+0]+p2[(i+1)*3+0]+p3[i*3+0]-4*p2[i*3+0]) );

end;//i

end;//j

result:=tp;

end;

Function lap3():Tbitmap; //laplacian算子，灰度

var

i,j,gray:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

// 灰度

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

gray:=bjkz(p1[i*3+2]+p2[(i-1)*3+2]+p2[(i+1)*3+2]+p3[i*3+2]-4*p2[i*3+2]+

p1[i*3+1]+p2[(i-1)*3+1]+p2[(i+1)*3+1]+p3[i*3+1]-4*p2[i*3+1]+

p1[i*3+0]+p2[(i-1)*3+0]+p2[(i+1)*3+0]+p3[i*3+0]-4*p2[i*3+0]);

p[i*3+2]:=gray;

p[i*3+1]:=gray;

p[i*3+0]:=gray;

end;//i

end;//j

result:=tp;

end;

Function lap4(yz:integer):Tbitmap; //laplacian算子，阈值

var

i,j,gray:integer;

p1,p2,p3,p:PByteArray;

begin

//临时变量初始化

csh2();

// 阈值

for j:=1 to tp.Height-2 do

begin

p1:=bp.ScanLine[j-1];

p2:=bp.ScanLine[j];

p3:=bp.ScanLine[j+1];

p:=tp.ScanLine[j];

for i:=1 to tp.Width-2 do

begin

gray:=bjkz(p1[i*3+2]+p2[(i-1)*3+2]+p2[(i+1)*3+2]+p3[i*3+2]-4*p2[i*3+2]+ p1[i*3+1]+p2[(i-1)*3+1]+p2[(i+1)*3+1]+p3[i*3+1]-4*p2[i*3+1]+

p1[i*3+0]+p2[(i-1)*3+0]+p2[(i+1)*3+0]+p3[i*3+0]-4*p2[i*3+0]);

if gray>yz then

begin

p[i*3+2]:=255;

p[i*3+1]:=255;

p[i*3+0]:=255;

end else

begin

p[i*3+2]:=0;

p[i*3+1]:=0;

p[i*3+0]:=0;

end;

end;//i

end;//j

result:=tp;

end;

Function lap5():Tbitmap; //laplacian算子+原图

var

i,j:integer;

p1,p2,p3,p:PByteArray;

begin

医学图像处理实验报告

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，

医学图像处理考试复习重点

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

数字图像处理在医学上的应用

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

医学图像处理复习重点

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

医学图像处理单选题样题

| 姓名~ 】）牡丹江医学院医学影像学院 — ]

% % & : > 、 1、医学图像处理是对 A：CRR B：DORI C：MRI D：USA 成像方法及图像处理方法的研究。。 2、PET A：正电子发射型计算机断层 B：单光子发射型计算机断层 C：磁共振扫描断层 D：多普勒超声技术 3、医学图像前处理包括对 A：光学显微成像的处理 B：电子显微镜图片处理 C：内窥镜图像处理 D：CT的成像方法的研究 - 4、医学图像后处理包括对 A：MRI成像方法的研究 B：医学影像设备所成像的处理与研究 C：USI成像方法的研究 D：CT的成像方法的研究 5、以下医学影像设备正确的是 A：PECT B：SPECT C：MIR D：SUI （ 6、DSA A：数字剪影血管造影 B：磁共振功能成像 C：磁共振血管造影 D：数字放射摄影 7、fMRI A：数字剪影血管造影 B：磁共振功能成像 C：磁共振血管造影 D：数字放射摄影 - 8、医学超声成像的优点 A：对比度高 B：图形的重复性不依赖于操作人员 C：对人体无辐射损伤 D：可对全身所有器官进行检查

9、CT成像的特点 A：全方位成像 ` B：分辨率差 C：组织重叠 D：可实现断层解剖学成像 10、核医学成像的特点 A：无放射危害 B：分辨率高 C：功能性成像 D：主要实现断层解剖学成像 11、MRI成像的特点 A：使用造影剂 | B：利用声音回波 C：无电离辐射 D：只能横断面断层 12、哪一个不是医学影像成像 A：PET B：SPECT C：fMRI D：DSAT 13、现代医学影像技术的发展方向 A：数字向模拟方向发展 ~ B：组织形态学成像向功能性成像发展 C：由立体像平面方向发展 D：由融合向单一成像技术发展 14、医学图像可以分为哪两类 A：结构图像与局部图像 B：结构图像与功能图像 C：功能性成像与立体成像 D：静态图像与动态图像！ * 【 ~ ; 15、核医学成像主要是取决于 A：脏器或组织的血流与细胞功能 B：成像设备的磁场强度 C：成像设备的X射线强度 D：人体组织与器官的氢原子数含量 16、融合技术应用于医学成像的目的是 A：使两张图片更好的连接 B：同时显示功能性信息及解剖学位置 C：方便比较两张医学图片的对比度￥ D：实现断层解剖学成像的3D显示 17、分子影像学是 A：探测构成疾病基础的分子异常 B：详细观察体内分子的细微结构 C：研究人体内分子的发光特点 D：研究探针的运动轨迹 18、那种融合技术有应用价值

医学影像系统实验报告

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。原始图像 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);

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

数字图像处理在医学上的应用

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, 突出重要的容，抑制不重要的容,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

医学图像处理实验

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)

数字医学图像处理复习资料

第一次练习 1.X线在人体内的透过率从大到小，其正确排列为：气体、脂肪、液体及软组织、骨。 2.X线成像因素是：( A ) A.密度与厚度 B.T1弛豫时间 C.T1弛豫时间 D.流空效应 3.与X线诊断和治疗无关的特性： ( B ) A.穿透性 B.衍射作用 C.荧光效应 D.摄影效应 4.X线检查方法的选用原则不包括：( D ) A.保证病人安全 B.检查结果准确 C.操作简便，费用低廉 D.在门诊即能检查 5.关于MRI检查安全性论述，错误的有： ( D ) A.体内有金属异物、人工铁磁性关节等不应进行MRI检查； B.带有心脏起搏器患者禁止MRI检查； C.幽闭症患者不宜做MRI检查； D.早期妊娠妇女接受MRI检查肯定是安全的 6.以下CT优于MRI检查的是：( B ) A.软组织分辨率高 B.显示钙化灶 C.多参数成像 D.多切层成像 7.哪一项不是MRI的优点与特点（ D ） A.无电离辐射 B.多切层多参数成像 C.软组织分辨率高 D.可显示钙化灶此项 8.彩色多普勒血流显像特点，错误的是： ( D ) A.血流朝向探头，显示红色； B.血流背离探头，显示蓝色； C.血流朝向或背离探头，流速高均显示亮度大； D.动脉血流显示为红色 9.下列X特性中用于诊断的是（ ADE ） A.穿透性 B.生物效应 C.电离效应 D.感光效应 E.荧光效应 10.请指出X线检查三大类别（ ACE ） A.常规检查 B.电视透视 C.特殊摄影检查 D.体层摄影 E.造影检查 11.产生X线必须具备的条件是（ BDE ） A.光电管 B.电子源 C.旋转阳极 D.适当的障碍物（靶面）

医学图像处理综述

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

ebnnuqc医学_图像处理技术

^ | 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。

医学数字图像处理期末考试重点汇编

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

医学图像处理单选题样题概要

姓名牡丹江医学院医学影像学院

1、医学图像处理是对 A：CRR B：DORI C：MRI D：USA 成像方法及图像处理方法的研究。 2、PET A：正电子发射型计算机断层 B：单光子发射型计算机断层 C：磁共振扫描断层 D：多普勒超声技术 3、医学图像前处理包括对 A：光学显微成像的处理 B：电子显微镜图片处理 C：内窥镜图像处理 D： CT的成像方法的研究 4、医学图像后处理包括对 A： MRI成像方法的研究 B：医学影像设备所成像的处理与研究 C： USI成像方法的研究 D： CT的成像方法的研究 5、以下医学影像设备正确的是 A：PECT B：SPECT C：MIR D：SUI 6、DSA A：数字剪影血管造影 B：磁共振功能成像 C：磁共振血管造影 D：数字放射摄影 7、fMRI A：数字剪影血管造影 B：磁共振功能成像 C：磁共振血管造影 D：数字放射摄影 8、医学超声成像的优点 A：对比度高 B：图形的重复性不依赖于操作人员 C：对人体无辐射损伤 D：可对全身所有器官进行检查 9、 CT成像的特点 A：全方位成像 B：分辨率差 C：组织重叠 D：可实现断层解剖学成像 10、核医学成像的特点 A：无放射危害 B：分辨率高 C：功能性成像 D：主要实现断层解剖学成像 11、MRI成像的特点 A：使用造影剂 B：利用声音回波 C：无电离辐射 D：只能横断面断层 12、哪一个不是医学影像成像 A：PET B：SPECT C：fMRI D：DSAT 13、现代医学影像技术的发展方向 A：数字向模拟方向发展 B：组织形态学成像向功能性成像发展 C：由立体像平面方向发展 D：由融合向单一成像技术发展 14、医学图像可以分为哪两类 A：结构图像与局部图像 B：结构图像与功能图像 C：功能性成像与立体成像 D：静态图像与动态图像

图像处理期末考试整理

数字图像处理与计算机视觉复习Ace Nirvana整理第一章绪论 1.1前言人类传递信息的主要媒介是语音和图像。听觉信息20％，视觉信息>60％，其他(如味觉、触觉、嗅觉) <20％，“百闻不如一见”。医学领域：1895年X射线的发现。 1.2数字图像处理的起源数字图像处理的历史可追溯至二十世纪二十年代。最早应用之一是在报纸业，当时，引入巴特兰电缆图片传输系统，图像第一次通过海底电缆横跨大西洋从伦敦送往纽约传送一幅图片。第一台能够进行图像处理的大型计算机出现在20世纪60年代。数字图像处理的起源可追溯至利用这些大型机开始的空间研究项目，可以说大型计算机与空间研究项目是数字图像处理发展的原动力。计算机断层是一种处理方法，在这种处理中，一个检测器环围绕着一个物体(或病人)，一个X射线源，带有检测器的同心圆绕着物体旋转，X射线通过物体并由位于环上对面的相应的检测器收集起来，然后用特定的重建算法重建通过物体的“切片”的图像，这些切片组成了物体内部的再现图像。计算机断层技术获得了1979年诺贝尔医学奖。从20世纪60年代至今，数字图像处理技术发展迅速，目前已成为工程学、计算机科学、信息科学、统计学、物理、化学、生物学、医学甚至社会科学等领域中各学科之间学习和研究的对象。如今图像处理技术已给人类带来了巨大的经济和社会效益。不久地将来它不仅在理论上会有更深入的发展，在应用上亦是科学研究、社会生产乃至人类生活中不可缺少的强有力的工具。 1.3图像处理的应用意义（1）图像是人们从客观世界获取信息的重要来源人类是通过感觉器官从客观世界获取信息，即通过耳、目、口、鼻、手通过听、看、味、嗅和触摸的方式获取信息。在这些信息中，视觉信息占60％～70％。视觉信息的特点是信息量大，传播速度快，作用距离远，有心理和生理作用，加上大脑的思维和联想，具有很强的判断能力。其次是人的视觉十分完善，人眼灵敏度高，鉴别能力强，不仅可以辨别景物，还能辨别人的情绪，由此可见，图像信息对人类来说是十分重要的。（2）图像信息是人类视觉延续的重要手段人的眼睛只能看到可见光部分，但就目前科技水平看，能够成像的并不仅仅是可见光，一般来说可见光的波长为0.38 um ~0.8um ，而迄今为止人类发现可成像的射线已有多种，如：gamma射线：0.003nm～0.03nm x射线：0.03nm～3 nm 紫外线：3nm～300 nm可见光：300nm～800nm红外线：0.8um～300um微波：0.3 cm～100 cm无线电波：100cm～。（3）图像处理技术对国计民生有重要意义图像处理技术发展到今天，许多技术已日趋成熟。在各个领域的应用取得了巨大的成功和显著的经济效益。如在工程领域、工业生产、军事、医学以及科学研究中的应用已十分普遍。在工业生产中的设计自动化及产品质量检验中更是大有可为。在安全保障及监控方面图像处理技术更是不可缺少的基本技术；至于在通信及多媒体技术中图像处理更是重要的关键技术。因此，图像处理技术在国计民生中的重要意义是显而易见的。

医学图像处理复习大纲

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。 2 图像采样和量化；

医学图像处理07-08(二)A卷

课程类别：必修[ ] 选修[√ ] 考试方式：开卷[ ]闭卷[ √ ]2007 –2008 学年第一学期使用班级：计算机科学与技术（医学应用方向）04[1][2] 课程名称：医学图像处理考试时间：2007 年11 月 5 日姓名：班级：学号：一、选择题（共20分，每题2分） 1、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（ A ）。 2、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 3、对下图采用右边的模板进行空间滤波,处理后的结果图应该是下列那一个 ( A )。 4、下列那种彩色空间常用于数字视频（ B ）。 A.NTSC B.YcbCr C.HSV D.CMY 5、在下列图像压缩方法中，那种是有损压缩（ 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

6、在图像分割中需要进行边缘检测，下列哪个边缘检测器是由不连续的二阶导数得到的（ D ）。 7、为了将下图中间连接部分的断开，应该选择以下那种形态学操作（ B ）。 A．膨胀B．腐蚀C．闭操作D．击中或击不中变换 8、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 9、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 10、在计算机处理的对象识别中，主要可分为决策理论方法和结构方法，下列那个不属于理论决策方法的（ D ）。 A．最小距离分类器B．最优统计分类器C．神经网络 D.串匹配二、简答题（共40分，每题5分） 1、如图所示，A和B的图形完全一样，其背景与目标的灰度值分别标注于图中，请问哪一个目标人眼感觉更亮一些？为什么？

医学影像成像原理复习题汇编

㈠名词解释 ⒈CT值：CT影像中每个像素所对应的物质对X线线性平均衰减量大小的表示。CT值定义为将人体被测组织的吸收系数与水的吸收系数的相对值 ⒉TR（重复时间）：从90°脉冲开始至下一次90°脉冲开始的时间间隔。 ⒊SNR（信噪比）：图像中的信号能量与噪声能量之比。 ⒋PACS（图像存档与传输系统）：是适应医学影像领域数字化、网络化、信息化发展势的要求，一数字成像、计算机技术和网络技术为基础，以全面解决医学影像获取、显示、处理、储存、传输和经管为目的的综合性规划方案及系统。 ⒌螺距：（pitch,P）有关螺旋CT的一个概念。对单层螺旋CT，各厂家对此定义是统一的, 即螺距=球管旋转360度的进床距离/准直宽度。也即扫描时床进速度与扫描层厚之比。 ⒍阳极效应：又称足跟效应，是指在通过X线管长轴且垂直于有效焦点平面内，近阳极端X线强度弱，近阴极端强，最大值约在10°处，其分布是非对称性的，这种现象称为阳极效应。阳极倾角越小，阳极效应越明显。 ⒎自旋-晶格弛豫：又称纵向弛豫(longitudinal relaxation)或T1弛豫。指平行于外磁场Bo方向的磁化矢量的指数性恢复的过程。 ⒏灵敏度：（Sensitivity）也称敏感度，在MR范畴内，是反映磁性核的MR信号可检测程度的指标。㈡简答与分析论述题 ⒈分析CR成像基本原理答：X射线入射基于光激励荧光粉（PSP）的成像板（IP）产生一帧潜影（latent image），潜影存储于成像板中。用激光激励成像板，成像板会发射出和潜影能量分布一致的光，这些光被捕捉后被转换成电信号，从而潜影被转换成可以传输和存储的数字图像。 ⒉分析MRI空间分辨力优化的方法与作用答：⑴调整扫描矩阵、FOV 扫描矩阵的大小决定序列中相位编码梯度的步数及频率编码步数，即数据的采样点数。FOV一定时，相位编码步数越多，体素的尺寸就越小，图像分辨力就越高。 ⑵调整层面厚度为了尽量减小部分容积效应的影响，一般应该选择较薄的层面进行扫描。 ⑶增加NEX ⒊简述MRI成像过程答：通过对静磁场(Bo)中的人体施加某种特定频率的射频脉冲(RF)电磁波，使人体组织中的氢质子受到激励而发生磁共振现象，当RF脉冲中止后，氢质子在弛豫过程中发射出射频信号，被接收线圈接收，再利用梯度磁场进行空间定位，最后进行图像重建而成像。 ⒋磁共振成像系统主要有哪几部分组成？答：磁体、梯度系统、射频系统和计算机系统组成。 ⑴磁铁系统 ①静磁场：又称主磁场。 ②梯度场：用来产生并控制磁场中的梯度，以实现NMR信号的空间编码。这个系统有三组线圈，产生x、y、z三个方向的梯度场，线圈组的磁场叠加起来，可得到任意方向的梯度场。 ⑵射频系统 ①射频（RF）发生器：产生短而强的射频场，以脉冲方式加到样品上，使样品中的氢核产生NMR现象。 ②射频（RF）接收器：接收NMR信号，放大后进入图像处理系统。 ⑶计算机图像重建系统由射频接收器送来的信号经A/D转换器，把模拟信号转换成数学信号，根据与观察层面各体素的对应关系，经计算机处理，得出层面图像数据，再经D/A转换器，加到图像显示器上，按NMR的大小，用不同的灰度等级显示出欲观察层面的图像。 ⒌何为薄层扫描，其优点是什么？