（控制理论与控制工程专业论文）骨龄识别系统中的定位问题与桡骨识别研究.pdf

昆明理工大学硕士学位论文 摘要 随着计算机技术的不断发展，数字图像处理是近几年研究的一个热点话题，其 发展与广泛的应用有助于进步提高了相关应用领域的自动化水平。利用对人体左 手手腕部位的x 光照片进行骨骼研究，判定其骨骼的成熟度( 骨龄) 是近三十年来 医学界比较新颖的课题之一，也还处于发展阶段。将数字图像处理技术引入骨龄识 别系统中，组建计算机辅助骨龄评估系统，则是目前该领域研究的重点。 骨龄的评估其实就是通过分析远、中、近指骨，桡骨和尺骨等特定骨的特征来 与模板比较实现骨龄识别的目的。传统的骨龄识别是人工对照标准模板来识别的， 过程枯燥且费时，且识别结果因人而异。通过引入计算机视觉技术，开发出计算机 辅助分析与识别系统可以克服这些缺点，更具有实际应用价值。 然而，这种基于计算机辅助的骨龄识别系统的开发，采集来的x 光照片分析是 基础，其中，相当关键的点就是如何利用数字图像处理技术对其进行分析，提取 相关的特征来识别骨龄。 本论文就是以计算机辅助的骨龄识系统为研究对象，进行了如下的研究工作。 对图像处理的常规算法进行研究、融合和改进，为后续工作提供了很好条 件。 基于手腕骨图像的先验知识，通过细化、跟踪、s o b e l 边缘算子、灰度投影 等算法实现了输入图片中关键点的定位，有效遣应用于手掌各骨头的分割提取。 针对目前边缘提取算法在医学图像处理中的缺陷，通过改进l o g 边缘算子， 利用模糊识别的知识，抽取代表性的特征分析识别桡骨。 最后，研究图像分割，提出以后研究的发展方向。 本文中涉及的算法和实验结果图，都是在微软的v i s u a lc + + 6 0 开发平台下 用c c + + 语言实现的。测试结果表明，本文的工作应用计算机视觉辅助骨龄评定的 领域内作了有益的理论探讨和方法的研究，有很大的实用价值，对系统的进一步完 善奠定了稳固的基础。 关键字；骨龄细化与跟踪s o h e l 边缘算子灰度投影l o g 边缘算子 特征识别图像分割 昆明理t 大学硕l + 学位论文 a b s t r a c t w i t ht h e d e v e l o p m e n t o f c o m p u t e rt e c h n o l o g y d i g i t a li m a g e p r o c e s s i n g iso n eo fh o tr e s e a r c hf i e l d si nr e c e n t y e a r s i t s d e v e l o p m e n t a n d w i d e a p p l i c a t i o n e n h a n c et h e1 e v e lo fa u t o m a t i o n a s s e s s m e n to fs k e l e t a l m a t u r i t y f r o ma mans1 e f t h a n d w r is t r a d i o g r a p hi s an e wt e c h n o l o g yi nt h er e c e n tt h i r t yy e a r sa n db e i n g d e v e l o p e d a n d n o w ， i tis c r u c i a lh o wc o m b i n e d i g i t a li m a g e p r o c e s s i n gt e c h n i q u ew i t ha s s e s s m e n to fs k e l e t a lm a t u r i t y t oc o m e i n t ob e i n gc o m p u t e r a s s is t e d b o n ea g ea s s e s s m e n t b o n ea g ea s s e s s m e n t isb a s e do na n a n a l y s is o fo s s i f i c a t i o n c e n t e r si nt h ec a r p a lb o n e sa n de p i p h y s e so ft u b u l a rb o n e si n c l u d i n g d is t a l ，m i d d l e ，a n dp r o x i m a lp h a l a n g e sa sw e l la sr a d i u sa n du l n a t r a d i t i o n a l l y ，b o n ea g ea s s e s s m e n tw a sm a d em a n u a l l yb yc o m p a r i n gt h e r a d i o g r a p h w i t ht e x t u a la n d p i c t o r i a l i n f o r m a t i o nf r o mas t a n d a r d a l t s t h isisat i m e c o n s u m i n ga n dt e d i o u sp r o c e s s a n dt h er e s u l ti s d i f f e r e n te a c ho t h e r b yu s i n gc o m p u t e rv i s i o nt e c h n i q u e s ， i tis q u i t ep r a c t i c a lf o ra st od e v e l o pac o m p u t e r i z e da n a l y s i ss y s t e ma n d a u t o m a t e dt h e s k e l e t a ls y s t e me s t i m a t i n gp r o c e d u r e ， i ta ls oc a n c o n q u e rt h e s ed i f f e r e n c e h o w e v e r a sf a ra st h ec o m p u t e r a s s is t e d b o n ea g ea s s e s s m e n t c o n c e r n e d ，x - r a yi m a g ea n a l y s isp l a y sa ni m p o r t a n t r o l ei nt h i s s y s t e m ，a n dh o wt or e e o g n iz es k e l e t a lm a t u r i t yisa l s ov e r yi m p o r t a n t b yu s i n gd i g i t a li m a g ep r o c e s s i n gt e c h n i q u e t oe x t r a c tc o r r e l a t i v e f e a t u r e s t h is p a p e rd o e s m o r ed e t a i lr e s e a r c hi nt h eareao fp o s i t i o na n d f e a t u r ee x t r a c t i o n s t u d yc o n v e n t i o n a li m a g ep r o c e s s i n g a l g o r i t h m st oa m a l g a m a t ea n d i m p r o v ec o n v e n i e n tf o r t h ef o l i o w i n gp r o c e d u r e s b a s e do nt h ek n o w l e d g ew ea l r e a d yk n o w f r o max - r a yi m a g e ，w e u s et h e t h i n n i n g 、t r a c i n g 、s o b e le d g e a r i t h m e t i co p e r a t o ra n d p r o j e c t i o na l g o r i t h mt or e a l i z ep o s i t i o n i t ise f f e c t i v et oa p p t yi n 1 1 1 昆明理工大学硕上学位论文 ax r a yp a l ms e g m e n t a t i o n a 1 t h o u g hag r e a tn u m b e ri m a g ee d g ea r i t h m e t i co p e r a t o r s e x i s t ， r e s u l t ss h o wt h a ta no p t i m a lm e t h o df o ra c o r r e c te d g ee x t r a c t i o nh a s n o ty e tf o u n d w e d e v e l o p e dt h ei a p a c ja no f ( h i l s se d g ea r i t h m e t ic o p e r a t o r ，a n dr e a l iz et h er a d i u sr e c o g n i t i o nb a s e do nf u z z yp a t t e r n m a t c h i n g f i n a l l y ，w ei n t r o d u c et h ei m a g es e g m e n t a t i o nm e t h o d si no r d e r t os h o w t h ei m p r o v i n gd i r e c t i o no ft h is p a p e r a l lo ft h ea l g o r i t h m sd is c u s s e di nt h isa r t ic l eh a v ep e r f o r m e di n t h es o f t w a r e d e v e l o p m e n tp 1 a t f o r mo fm i c r o s o f tv is u a lc + + 6 0 t h e r e s u l tisu s e f u lb u tw es t i l 】h a v ea 】o tw o r kt od o k e y w o r d s ：b o n ea g e s k e l e t a lm a t u r i t y ，t h i n n i n ga n dt r a c i n g ，s o b e l g r e yl e v e lp r o j e c t i o n ，l o g ，c h a r a c t e rr e c o g n i t i o n ，i m a g e s e g m e n t a t i o n 昆明理工大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下( 或我个 人) 进行研究工作所取得的成果。除文中已经注明引用的内容外，本论 文不含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做 出重要贡献的个人和集体，均已在论文中作了明确的说明并表示了谢意。本 声明的法律结果由本人承担。 学位论文作者签名：湛衲1 日 日期：弦哆年；月矽日 关于论文使用授权的说明 本人完全了解昆明理工大学有关保留、使用学位论文的规定，即：学校 有权保留、送交论文的复印件，允许论文被查阅，学校可以公布论文的全部 或部分内容，可以呆用影印或其他复制手段保存论文。 ( 保密论文在解密后应遵守) 导师签名： 昆明理工人学硕士学位论文 1 1 引言 第一章概述 图像是客观世界能量或状态以可视化形式在二维平面上的投影，是社会生活中 最常见的一种信息媒体。它传递着物理世界的能量和事物状态的信息，是人类获取 外界原始信息的主要途径。 数字图像处理起源于2 0 世纪2 0 年代，此后由于遥感等领域的应用，使图像处 理技术逐步受到关注并得到相应的发展。但限于当时技术手段，图像处理科学与技 术的发展相当缓慢。直到第三代计算机问世后，数字图像处理才开始迅速发展，得到 普遍应用。目前数字图像处理科学已经成为工程学、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学习和研究的对象。 数字图像处理实际上是利用计算机( 或数字技术) 对图像信息进行加工处理， 以改善图像质量、压缩图像数据或从图像数据中获取更多信息。随着微机、v l s i 、 d s p 等技术和新的理论、处理方法不断发展，数字图像处理已经成为一门独立的新 学科，并有着广泛的应用，正在空间、时间和功能上的扩展人类视觉。 1 1 1 数字图像处理的应用领域及发展趋势 数字图像处理技术已经广泛的应用到各个领域中，主要有如下几个方面1 ： 工业交通用于工业生产中的加工、装配、拆卸与质量检查等环节。例如机械 手的手眼系统、车型识别、信函分拣工业自动控制，印刷电路板、集成电路芯片掩 模板、药片外形、汽车零部件等质量自动检查( 逐个检查) 。 医学领域数字图像处理应用广泛的领域之一，在诊断、治疗、病理分析和病 案管理等方面，使用着大量的数字成像和数字图像处理设备，如x 射线层析摄影 ( c t ) 、超声成像、血管造影、细胞和染色体自动分类等。这些技术和设备大大提高 了治疗诊断水平，减轻了病人的痛苦。 遥感信息处理卫星遥感和航空测量需要处理大量的图像，主要处理两方面， 一是图像校正，由于卫星、飞机是空中运动物体，装载的成像传感器受卫星飞机的 姿态、运动、时间和气候条件等影响，摄取的图像存在畸变，需要自动校正a 另一 是通过分析、处理遥感图像，有效地进行资源、矿藏勘探、国土规划、灾害调查、 农作物估产、气象预报以及军事目标监视等。 科学研究数字图像处理作为一个二维或多维信息处理技术，与相关领域知识 配合，成为科学研究中学习获取和处理的主要技术手段之一。例如电子显微镜的图 昆明理工大学硕士学位论文 像分析和重构，在天文、金相、燃料、生物、流体力学等众多方面都有应用。 通讯广播 数字图像和数字视频将极大的影响现在及未来的通讯广播，而且越 来越重要。常见的数字图像和数字视频设备如可视电话、会议电视、卫星电视、数 字电视、高清晰度电视、v c d 、d v d 、多媒体通讯、计算机网络通讯等。 军事国防数字图像处理是一种高技术，在军事国防领域，已经有许多战例说 明由数字图像信息处理技术作为核心控制部件的精确制导武器的威力，它是被动方 式工作，隐蔽性好，抗干扰能力强，智能化程度高，可以无须人工干预。能在复杂 背景中精确地控制导弹命中目标。 其它方面数字图像处理在公安、体育、影视、考古等其它领域也有广泛应 用。数字化影视特技可以让我们欣赏到非常壮观的画面；指纹、脸像、手纹、虹 膜、耳形、步态、d n a 等人体生物统计特征的提取和识别，为公安人员抓获罪犯提 供有用的信息。 随着应用领域的拓宽，图像处理技术不断需求新理论新方法，在多学科领域交 叉综合，深入视觉机理研究，实现技术研究快速进展，应用实用化。 1 1 2 数字图像处理的特点 与光学或模拟电信号图像处理方法相比较，数字图像处理具有处理精度高、可 靠性好、灵活性( 时分复用) 强、便于集成模块化、抗噪声干扰能力强等优点；但 也存在一些缺点，比如处理速度较慢、系统相对比较复杂、信号量化过程中可能引 入噪声、量化时损失的信息无法恢复等等。 从数字图像处理工作上看，图像处理的数据量相当大，图像成像和信号数字化 过程中有些特殊问题( 跟硬件相关) ，图像本身的复杂性和视觉信息提取方面，图像 信号在空间、频谱和时间上的相关性使得图像数据中存在信息冗余等问题，导致了 数字图像处理技术是热门的应用技术，实现起来并不容易。 1 2 本论文的研究内容 图像处理和分析系统是将输入的图像或图像系列作预处理一一灰度校正、噪声 滤波和畸形校正，根据提取的上述图像特征对场景、物体的图像作分割，形成表示 物体基元的图像区域，并得到赋予区域上的特征以及这些区域之间的相互关系。然 后，根据场景模型、知识，对场景作解释3 1 。流程如图1 1 所示。 2 昆明理t 大学硕士学位论文 景物 图1 1 图像处理和分析流程图 整个研究生阶段，涉及的学习和研究基本都是针对图像处理方面的，在2 0 0 3 年 到2 0 0 4 年期间，主要学习主动视觉方面的知识( 图1 1 的左边内容) ，思考如何在 平行视双日平台下求取距离。问题来源于工厂物流系统中a g v ( a u t o m a t i cg u i d e d v e h i c l e ) 4 1 的导引方式，现行的导引方式主要有电磁感应导引、激光导引和磁铁陀 螺导引等方式，其中以激光导引方式发展较快，不过成本较高。这些导引方式都存 在一个问题，就是遇障碍的时候小车自动停下来，障碍物移除再运作。考虑视觉方 面的优点，导师( 詹跃东老师) 当时申请一个云南省自然科学基金项目一一自主式 智能a g v 视觉导向避障规划与控制器研究。希望加入视觉系统改善现有的a g v 系 统，使之更好的运作，提高工作效率。受设备与资金限制，较多的是理论研究学 习。当时我主要负责视觉导向系统设计【5 】 6 1 ，涉及障碍物的检测和有关信息融合【7 1 等 方面，于是较多的思考了如何通过双目采集的图像提取深度信息的问题【8 | 【9 】【1 0 l 【1 ， 缺乏真实的实验环境，没有实践部分。 到2 0 0 4 年，詹跃东老师到澳大利亚深造，我转到李一民老师那里，参与骨龄识 别系统的研究与开发( 详见1 3 1 小节) ，涉及的内容就不是运动分析了，主要就提 3 昆l ! | _ i 理工大学硕士学位论文 取图像特征，分析纹理，和模型匹配等方面( 图1 1 右边部分) 。 在李老师那里，主要思考具体问题的解决。不纯理论学习，较大的是将理论应 用于实践。期间尝试各种算法来解决各种问题。查论文，了解论文中描述的算法来 编写程序、调试、分析、改进。在时域和频域上都有涉及。实现过的东西也比较 杂，涉及了图像灰度级的处理，增强，各种边缘算子，曲线的细化、跟踪与拟合， 分割，图像的校正，特定点的定位，以及图像理解部分的识别等等。虽然都属于骨 龄识别系统，但主题还是比较分散。 通过大半年的实际工程的参与，如果把图像处理简单的分为( 如图1 2 ) 五个 部分的话。 臣丑亟) 匦至 匝亘匦 _ _ 匝蟹翌p 臣圃 图1 2 图像处理系统的简单描述 越来越发觉在预处理部分有很大的发挥空间。预处理做得好，极大的方便了后 续处理。在参与的骨龄识别系统的开发中，最终目标是识别输出，识别之前就需要 切割图像，于是就有图像分割、定位、校正等问题；然后才有图像特征的提取，提 取特征就涉及了纹理、边缘、形状等；而为准确方便的抽取图像的特征，就自然需 要预处理这个步骤，可以说它是图像处理系统的源头，正所谓“好的开始是成功的 一半”。 正因为如此，本论文所做的就是分析相关图像处理的理论基础，牵涉的算法研 究、改进以及实现所得的结果，并涉及由此发展开的图像增强、边缘检测、对图像 特定方向的投影、图像形态学的知识、对曲线操作、图像分割等等问题，以此为基 础实现出来的对给定手掌各个部位定位和其中桡骨识别特征的提取。 对给定的输入，在本系统中，就是一幅手掌x 光照片图，轮廓如图1 3 ( 图中 给出骨龄识别系统主要提取的关节部位，其实年龄的最终输出就是依据这些关节处 骨头的发育程度，通过模板的对应参考，最后对各骨加权评分而得出的，本论文重 在讨论解决，如何来定位指尖指缝位置，以便分离各个手指：对给定的手指定位指 节得到各个部分的待识别子图；定位桡骨尺骨位置，分离桡骨和尺骨等等。在识 别问题的研究上，实现了对桡骨的识别参数的提取，取得一定的效果。 4 昆明理t 大学硕：t 学位论文 图1 3 主要提取的关节示意 论文中的给出的处理图全部是在m ic r o s o f tv is u mc + + 6 0 平台下由c c + + 实现、调试运行出来的结果。论文旨在阐述算法思想及其应用，为了直观，在讲述 过程中，没有罗列源程序代码，而是以程序流程图的方式表达。 1 3 实验图像的来源 图像算法理论可以相同，但对给定的一组图像，其用法却不尽相同。正是具体 问题需要具体分析。观看发表的诸多论文里，好像都有新的算法展现，可是究其根 源，真正有理论突破的还是比较少，多数是针对某一特定问题对现有算法改进得出 的结果。其实，也正因为这样，没能有一种通用的解决问题的方法，使得图像处理 的内容丰富多彩，同时也困难重重。所以，我们在讲图像处理算法的时候，如果没 有针对特定一组图像来进行研究说明，那么，所阐述的如果没有理论上的突破，终 将流于普通，而没有新意。 本论文的所有数字图片都来源于儿童左手掌的x 光照片( 选左手掌是考虑大多 数人惯用右手，运动比较多，比较不能反映人体真实的发育程度) ，作为骨龄识别系 统的输入图像。鉴于论文主要是研究算法，不在于阐述整个识别系统，仅作适当的 了解，所以对于骨龄识别系统，我将在1 3 1 小节中讲述。 1 3 1 骨龄识别系统简介 发育年龄( d e v e l o p m e n t a la g e ) 或生理成熟度( p h y s i o l o g i c a lm a t u r i t y ) 反映人 体发育的程度，它采用生物学测量方法。在人体发育的进程中，凡能被判别或测 定、有一定演变过程、有一定最终成熟状态的结构或机能，都可以作为生物学测量 5 昆明理t 大学碗士学位论文 尺度( s c a l e ) 。 关于人体发育测定方法的研究不过一百多年，学者们一致认为骨骼发育情况是 评价小儿发育程度的较好方法。因而骨龄是衡星人体发育程度的最常用方法。 骨髂测定年龄( a g ed e t e r m i n a t i o nb ys k e l e t o n ) 或骨龄( b o n ea g e s k e l e t a l a g e ) ，就是以骨骼的大小、形态、结构、相互关系的变化测定发育程度的，适用于 小儿整个发育时期。骨骼发育的变化在人类是基本相似的，只是特定变化的出现时 间在不同人群有迟早之别。每一骨的发育过程具有连续性和阶段性，各阶段具有一 定的形态特点，能在x 线摄片上表现为一定的征象，称为成熟标志( m a t u r i t y d e t e r m i n a t i o n s 或m a t u r i t yi n d i c a t o r s ) 。骨龄即是根据成熟标志进行判断的【他】。 本论文既然以骨龄识别系统的数据为研究依托，在这里我们就来了解一下骨龄 评定方法的研究历史和各个阶段的一些技术特征，以便在今后讲述算法的应用时， 才会清楚，为什么算法要这么用，又为什么要用在这里，提取的是这些特征而不是 别的等等问题。 计量骨化中心的研究阶段 国外大约在上世纪末，b o a s 首次提出生长速度( t e m p oo fg r o w t h ) 的概念。在x 射线发现后，这一概念很快用于骨发育的研究，即： 观察骨化中心在一定年龄出现的数目； 测定骨面积和骨与骨之间的比例，克服骨大小的个体差异； 观察骨化中心最新出现和骨骺融合的时间。 这些研究得出了按骨化中心出现和骨骺融合的数目判断骨龄的方法( 计数法) ，如 1 9 3 8 年公布的v o g t 和v i c k e r s 。 国内最早于1 9 3 7 年由梁铎对手臃部骨化中心的出现进行了观察，以后在5 0 6 0 年代，刘惠芳( t 9 5 9 年) 、顾光宁( 1 9 6 2 年) 、张乃恕( 1 9 6 3 年) 等先后报道了 我国小儿的骨化中心出现和骨骺融合的年龄，并提出了我过小儿骨龄计数法标准。 骨龄图谱的研究阶段 国外大约在2 0 世纪3 0 5 0 年代。1 9 2 8 年，h e l l m a n 注意观察了骨骺融合时的 系列变化。t o d d 受此启发，提出设想：在骨发育成熟过程中，连续摄x 片，观察整 个骨发育的系列变化的x 线征象，以了解各骨发育的形式及在各年龄时的特点和速 度。之后t o d d 实施了人生长发育研究的布拉斯计划。通过分析各骨代表片的发育指 征( m a t u r i t yi n d i c a t o r s ) ，得到各骨和各年龄的骨发育特点，以此作为评定标准。 t o d d 之后，g r e u l i c h 等人继续布拉斯计划，1 9 5 0 1 9 6 9 年，发表了许多骨发育 图谱，其中最著名的是“g r e u l i c h p y l e 图谱”( g p 图谱) 。国内在2 0 世纪8 0 年代 6 一 垦型型! 查兰堡圭堂竺丝兰 刘宝林( 1 9 8 3 年) 、徐济达( 1 9 8 5 年) 等提出过手腕部骨龄图谱5 1 。 骨龄图谱法简便直观，但主要问题是： 以“与最相象的标准片的骨龄作为被检片的骨龄”，“最相象”往往仅指与大 多数( 众数骨) 或中位骨的一致性； 相邻标准片的时间间隔不一致，致使骨龄评定值的精确性也不一致，若被检 片介于相邻标准片之间，则难以精确确定骨龄值。 骨发育评分的研究阶段【1 3 】 t 9 5 4 年，a c h e s o n 提出按骨发育的期别( s t a g e ) 评分法，即第一期1 分，第二 期2 分，依此类推，得出骨龄评分系统。由于每相邻两期的评分都只差1 分，各骨 发育从一期到另一期的时间差别未得到体现。 1 9 6 2 年，t a n n e r 和w i t e h o u s e 在a c h e s o n 方法的启发下，提出一套较完整的 t w l 骨龄评分方法。他们设想：单个骨的发育反映着单一的成熟过程，而各个骨的 发育共同反映着个体的成熟过程。1 9 7 5 年，t w l 法修改未t w 2 法，主要合并了一 些不易区别的期，某些骨的评分值根据其完成发育迟早进行了调整，各骨各期原来 男女一样，现改为男女不同。 t w 2 骨龄评分法是当前世界上最流行的骨发育评分法( b o n e s p e c i f i c s c o r i n g t e c h n i q u e ) 。t w 2 比g p 法更具有明确的量化概念。 国内李果真在2 0 世纪6 0 年代制订出“中国人骨龄百分计数法”( 百分法) 。其 原理是：选取右手腕部骨1 0 个，根据各骨发育的x 线征象分期，以1 0 个骨的每一 骨发育到成熟期所需平均年数的总和作为1 0 0 ，各骨各期发育年数所占的百分数即 为各骨各期的发育指数，按发育指数制订骨龄标准。百分法与t w 2 法在原理上相 似，但参评的骨较少，分期标志不够细致，资料仅来自横向研究，以致其适用面、 可靠性、难易度都不如t w 2 法。 骨发育的计算机信息处理和图像识别的研究阶段 无论图谱法还是评分法，都存在着以下问题： 人工阅片的误差，尽管骨龄方法都配有一套严格训练的材料和程序，人工阅 片的误差仍只能控制在o 5 o 6 岁内； 评定的复杂性，如指标多，数据多，比较费时间，尤其是评分法。此外，久 不读片容易生疏。 因此，自2 0 世纪7 0 年代起，开始探讨用计算机代替人工读片和分析，迄今主 要在信息处理上取得了一些成果。如r w t 法软件包，只要输入各骨发育指标的分 级，就可以得到骨龄及其误差等结果：t w 2 软件包，只要输入各骨发育的分期，就 7 昆明理t 大学硕 学位论文 可以得到总分及其百分位、骨龄、及其误差等结果。 1 4 选题的意义 就依托的骨龄识别系统而言，检测人体的某部分骨头的发育成熟度对照小孩的 真实年龄，有助于提早发现小孩的发育情况，从而对发育欠佳的提前防范治疗；同 时也可以作为体育运动员的选择指标；在有年龄限制的竞技比赛中，成为核实参赛 者上报年龄的一项重要指标等等。 从技术的角度来看，每年都有很多新的数字图像处理的领域和算法上的创新 但是，正如前面所说，在算法上新理论的突破还是困难的，大多数是对现有算法的 改进。本论文也是如此，限于自身数学水平，无法实现理论上的突破，只能对现有 算法的理论进行深入研究，并踏踏实实的以具体问题出发运用现有的算法，分析 图片特有的内在性质，加以改进实现，努力挖掘现有常见常用的算法的潜在应用能 力来解决实际问题。虽然不全可以达到“化腐朽为神奇”的程度，但论文中的应用 实例全朝着这个方向在努力。 实例全朝着这个方向在努力。 一 垦型型三查兰婴二! 鲎些丝苎 第二章图像增强 图像增强的首要目标是处理图像，使之比原始图像更合适于特定的应用。这一 步很重要，处理的好坏影响着整个后续的处理过程，对不同领域各个问题的解决， 由于采集到的图像质量的关系，一般都会或多或少的受到不同程度的干扰，因而需 要进行相应的增强处理。图像增强的方法分为两大类：空间域方法和频域方法。“空 间域”一词是指图像平面自身，这类方法是以对图像的像素直接处理为基础的。“频 域”处理技术是以修改图像的傅氏变换为基础的。实际测试中，对手的x 光图，频 域方面没实现出较好的效果，这里我只描述空间域的增强方法。 图像增的方法很多，这里只讲述用到的增强技术。本章将以一些常规的理论出 发，从像素的基本灰度变换开始，到直方图理论，对锐化和平滑作相关的探讨，给 出相关的实例运用效果和解析。 2 1 灰度修正的理论基础及应用 图像增强的通用理论是不存在的。当图像为视觉解释而进行处理时，由观察者 最后判断特定方法的效果。图像质量的视觉评价是一种高度主观过程，因此，定义 一个“理想图像”标准，通过这个标准去比较算法的性能。当为机器感知而处理图 像时，这个评价任务就会容易一些。 2 1 1 理论基础 受到种种条件限制和干扰，取得的图像灰度往往与实际景物不匹配。灰度修正 是对图像在空间域进行增强的简单而效果明显的方法。下面主要介绍灰度变换法和 直方图修正法。它们是把原图像的灰度函数经过一个变换函数研】变换成新的图像灰 度函数。即 g ( x ，y ) = r f ( x ，y ) 】 ( 2 - 1 ) 通过变换，达到对比度增强的效果。 一、灰度变换法 一般成像系统只具有一定的亮度变化范围，亮度的最大值与最小值之比称为对 比度。由于成像系统的亮度有限，常出现对比度不足，视觉效果差，分析也困难。 通过对图像本身的灰度调整可以大大改善图像质量。灰度变换法一般有三种：线 性、分段线性以及非线性变换。 令日是一种算子，其输入输出都是数字图像。如果对于任何两幅图像，和g 及 o 昆明理t 大学硕，i ：学位论文 任何两个标量a 和b 有如下关系，则称为线性算子： h ( a f + b g ) = a l l ( f ) + b h ( 9 1 不能通过上式检验的算子定义为非 线性算子。 线性算子在图像处理中很重要。 因为它们是充分了解理论和实践结果的 主要基础。虽然非线性算子也会提供较 好的性能，但是它们不是总可以预测 的，大部分不能在理论上得到很好理 解。根据应用测试结果，这里只讲述线 性算子【1 4 1 。 砷 黑 瑙 糕 勇 簿 ( 2 2 ) 输出灰度级，r 图2 1 用于图像增强的某些基本灰度变换函数 线性变换 假定原图像f ( x ，y ) 的灰度范围k ，b 】，希望变换后 图像g ( x ，y ) 的灰度范围扩展为p ，d 】，线性变换式为： g ( x ，_ y ) = ( d c ) ( b 一口) p ( x ，_ y ) + c ( 2 3 ) ，y ) 分段线性变换 为突出感兴趣的灰度区阃，相对抑制那些不感兴 图2 2 灰度线性变换 趣的灰度，常采用分段变换。最常用的就是三段线性变换法，数学表达式为： l ( c a ) f ( x ，y ) 0 f ( x ，y ) a g ( x ，y ) = ( d c ) ( b a ) l f ( x ，y ) + c 口f ( x ，y ) 0 ) ： i f ( c x = 0c y s z c x ) n c x = s z c x ： i f 注意边角的处理，如图2 6 。一般来说，叠加形成的子图像大小为： ( o v e r l a p + c x + o v e r l a p ) x ( o v e r l a p + c y + o v e r l a p ) 但在图像角处，部分o v e r l a p 可能没有数据，这时的子图像大小为： ( c x 十o v e r l a p ) ( c y + o v e r l a p ) 在左右边时是： ( c x + o v e r l a p ) ( o v e r l a p + c y + o v e r l a p ) 在上下边时为： ( o v e r l a p + c x + o v e r l a p ) ( c y + o v e r i a p ) 所以要注意判断处理，这里就不详说程序实现了。 对子图像的处理，线性拉伸就是对每块子图实施0 2 5 5 的灰度拉伸；直方图 均衡化也只是对子图实施相应的算法处理；这里要说的是自适应线性拉伸。 所谓的自适应拉伸其实是根据数据块的灰度来决定拉伸的范围，比如可以统计 子图像的灰度均值为m e a n g r a y ，然后施加一定的比例因子确定线性拉伸范围为： ( dm e a n g r a y ，bm e a n g r a y ) ( 其中、b 为比例因子) 。当然，参数选取不一定就 是灰度均值，可以是最大灰度，最小灰度等等；选择什么好就要看实际测试的结 果，得用实验数据确认，对不同类型的图片选取的参数可能不一样，比例因子的具 体值也不尽相同。 这里主要阐述一种思想，目的是既要改善图片质量，又想尽量维护图像原有的 1 4 昆l 蝈理工人学硕士学位论文 局部关系。看特定环境以测试结果而使用，不一定就理想，重在分析，然后选择性 的使用。 结果分析 下圈给出运行结果并作一定的分析。 图2 7 调用g r a y e h a n e e ( s z ，a g r a y ，8 ，8 ，3 2 ，a b i n l m g ，1 ) 的结果 从图中可以看到细节是突出了，能比较清楚的看到了整个手掌的轮廓；但是还 是有不足，比如说有些不明显的线条出现，背景噪声也得到增强，似乎整幅图没原 图干净。去除线条就是要加平滑滤波，为避免背景的燥声平滑有作用，也可以先对 分割，去除背景，仅留下手掌( 骨头和肌肉) ，然后再增强，这样可以得到更好的效 果。 平滑滤波是可以去处噪声，但也是以损伤图像细节( 比如边缘，纹理信息等) 为代价的。这就是图像处理的难处，各种处理总存在相互制约，做法就是不断的测 试，找到可以平衡参数值，以求达到解决问题的目的。而这样的测试常常很花费时 间和精力。下一节讲述平滑滤波。 昆i j i j 理工人学硕士学位论义 本类图中，由于起始灰度在局部里起伏不大，如果用小范围的拉伸效果不明显 ( 实现中取参数为m e a n g r a y ，a = 0 9 ，1 3 = 1 1 ) ，正因为如此，自适应的线性拉伸 我只讲述一种思想，考虑篇幅，不给出测试图。 圈2 8 调用g r a y e h a n c e ( s z ，a g r a y ，8 ，8 ，3 2 ，a b i n l m g ，3 ) 的结果 正如直方图均衡化的理论描述的那样，它使得直方图趋于平坦，亮度比较大， 我们看到比线性拉伸效果更明显，增强得有些过了。 在文献 1 5 1 6 中，都有这增强方面的改进处理。文献 15 提到了一种局部直 方图重分布的方法，对改善网格和抑制噪声有不错的效果。 2 2 平滑与锐化的理论基础及应用 定义的点( x ，y ) 邻域的主要方法是利用中心点在( x ，y ) 点的正方形或矩形 子图像( 2 1 2 节的应用就是这种) ，如图2 9 所示。子图像的中心从一个像素向 另一个像素移动，比如从左上角开始。 这些子图像可以被称为滤波器、掩模、核、模板或窗口。 在滤波子图像中的 1 6 昆叫理工大学硕j 学位论文 值是系数值，而不是像素值。 滤波的概念来源于在频率域对信号 处理的傅立叶变换，这里不涉及频域的 处理，只讲空间滤波，即直接对图像像 素处理操作。 一般来说在m n 的图像厂上，用 m x 疗大小的滤波器掩模进行线性滤波由 下式给出 8 1 ： 图2 9 图像中( x ，v ) 点的3 3 邻域 g ( x ，y ) = w ( s ，t ) f ( x + s ，y + f ) ( 2 - 9 ) 一t = - b 式中a = ( m - 1 ) 2 ，b = 研一1 ) 2 。为了得到一幅完整的经过滤波处理的图像，必须对 x = 0 , 1 ，2 ，m 一1 ，y = o ，1 ，2 ，一1 依次应用公式。这样，就保证了图像中的所有 像素进行了处理。 如果熟悉卷积概念，可以看到( 式2 9 ) 的线性滤波处理与频率域中卷积处理 的概念很相象，因此线性空间滤波处理经常被称为“掩模与图像卷积”。类似地，滤 波掩模处理也称为“卷积模板”。 图像处理中，感兴趣的在于对图像任点( z ，y ) 进行m , i 掩模处理得到的响应 r ，而不是模板的卷积的机理，所以实践中通常用如下形式简化： r = w i z l + w 2 2 2 + + w 。= w j 2 ， ( 2 - 1 0 ) i = i 其中为掩模系数，z 为与该系数对应的灰度值，m n 为掩模中包含的像素点总数。 实现空间滤波领域处理时的一个重要考虑因素就是，当滤波中心靠近图像轮廓 时发生的情况( 在2 1 2 节中有图示简单说明，对掩模情况这里再用文字简单进行 说明，因为在以后会出现很多模板处理，作为程浮的处理细节，有必要交代一下) 。 考虑一个简单的大小为n h 的方型掩模，当掩模中心距离图像边缘为( h 一1 ) 2 个像 素时，该掩模至少有一条边与图像轮廓相重合。如果掩模中心的中心继续向图像边 缘靠近，那么掩模的行列就会处于图像平面之外。有很多方法处理这种问题。 最简单的方法就是将掩模中心点的移动范围限制在距离图像边缘不小于 ( h 一1 ) 2 个像素处。这种做法将使处理后的图像比原始图像稍小，但滤波后的图像 中的所有像素点都由整个掩模处理。 如果要求处理后的输出图像与原始图像一样大，那么所采用的典型方法是，用 1 7 昆j 理t 大学硕士学位论立 全部包含于图像中的掩模部分滤波所有像素。通过这种方法，图像靠近边缘的部分 像素带将用部分滤波掩模来处理，文中的程序实现时就是使用本法。 另一种方法就是在图像边缘以外再补上一行和- - y , j 为零的像素点( 其灰度也可 以保持为其他常值) ，或者将边缘复制补在图像之外。补上的部分经过处理后去除。 这是可以保持图像的大小，但补在靠近图像边缘的部分会带来不良影响，这种影响 随着掩模尺寸的增大而增大。 总之，获得最佳的滤波效果的唯一方法是使滤波掩模中心距原图像边缘的距离 不小于( n 一1 ) 2 个像素。 有了这些交代，下面我们将进行对上节的一些不足进行平滑改进，在平滑滤波 中又带来了细节的损失，我们再给出锐化理论。 2 2 1 平滑线性滤波的理论基础 平滑滤波器用于模糊处理和减少噪声。在提取大目标之前去除图像中一些琐碎 的细节、桥接直接或曲线的缝隙，模糊处理是很好的选择。 平滑线性空间滤波器的输出( 响应) 是包含在滤波掩模邻域内像素的简单平均 值。因此，这些滤波器也成为均值滤波器2 1 。 从概率论的观点看，若随机变量一( i = 1 , 2 ，n ) 的前二阶矩为： e 扛，j = m d 扛。) = 盯2 ( f = 1 , 2 ，) 那么随机变量x t ( f _ l ，2 ，) 均值；2 专善一的前二阶矩为： 占长 _ m ( 2 1 1 ) d 每 = 盯2 n ( i = 1 , 2 ，) ( 2 1 2 ) ( 式2 - 1 1 ) 明显，对( 式2 - 1 2 ) 给出简单的证明。 证：根据d c x = c 2 d 弘 ( c 为常量) t t l 有： 。斟= 。髓) _ 嘉。瞥 若x 。( i = 1 , 2 ，) 相互独立，则有： d t - d 扛，) = 胎2 ，于是： d 每 _ 盯2 n ( i ：1 , 2 ，) ( 证毕) 也就是说个随机变量序列的均值之方差比每一个方差缩小倍。这样，图像 昆f 埘理工人学硕士学位论文 厂( 石，y ) ；x ，y = 0 , 1 ，一1 的每一像素取邻域s ，以( x ，y ) 为中心。作空间平均有： 如加2 面1f 磊，d 训划，1 ，肛1 ( 2 - 1 3 ) 上式中m 为s 中包含的坐标点数，经上式平滑，输出图像 g ( x ，y ) ；x ，y = 0 , 1 ，n 一1 的方差减少了m 倍( 假定各个像素的灰度值相互独立) 。 为减少空间平均而产生的对图像细节的模糊效应，伤及图像的细节( 如边缘、 纹理等) 信息，可以作如下改进处理： g c 墨力： 吉。磊。邝，若l f ( x , y ) - 万1 。磊，伍，1 r。一，。， i 厂( f ，j ) 其它 式中t 为闽值，也就是针对一类图像调试测出的经验常数。 2 2 2 实例应用 在程序实现中，常见的掩模有图2 0 中的2 个类型，两个模板在实现程序中都有 1 r 千丑习土巨千引司 使用到。 9 e 曰倒1 6e 曰型 为减少图像噪声的影响，可以先对原图2 1 0 两个3 3 平学! 砦堡尊 模，没