（信号与信息处理专业论文）VDRL图像处理研究及监测报告管理系统的设计与实现.pdf

哈尔滨理t 大学t 学硕士学位论文 v d r l 图像处理研究及监测报告管理系统 的设计与实现 摘要 为了改变目前梅毒疾病性病研究实验室( v e n e r e a l d i s e a s er e s e a r c h l a b o r a t o r y ，简称v d r l ) 检测方法中依靠人眼判断而造成的误判率高的问 题，本文将图像处理应用于梅毒病v d r l 检测方法上，研究了v d r l 图像 预处理、图像分割及特征提取等问题。 同时，为提高卫生医疗行业信息化管理水平，本文利用网络通讯基础及 先进的网络应用平台，构建了一个高效的疾病监测报告管理系统。 在v d r l 图像预处理方面，对几种图像灰度化和图像增强方法进行了 分析和比较，确定了用最大值法进行彩色图像灰度化，并采用中值滤波去除 图像噪声。图像分割是图像识别的关键，在分析目前国内外常用的算法基础 上，针对v d r l 图像的特点，本文采用了分水岭分割方法对v d r l 图像进 行分割，详细介绍了分水岭算法的思想和定义。分水岭分割算法是根据数学 提出的一种基于区域的分割方法，该方法速度快，精度高，对微弱边缘敏 感，但它也存在一个严重的问题过分割。由于采用了改进多尺度分水岭 算法对v d r l 图像进行分割，有效的解决了v d r l 图像过分割的问题。在 特征提取方面，采用了标号法对凝集颗粒进行标号，并根据检验的判断标 准，提取了图像中凝集颗粒面积、个数等参数并对结果进行了分析。 j 2 e e 平台是j a v a 技术企业级应用的最佳平台，不仅在于它具有j a v a 很 好的跨平台的优势，更因为j 2 e e 定义了一整套规范的技术标准，如j s p ， s e r v l e t ，e j b 等。本文阐明了j 2 e e 平台的优势，分析了传统的两层体系结 构的种种弊端及三层( 多层) 体系结构的优点。随后，对j 2 e e 的主要核心技 术以及m v c ( m o d e l ，v i e w ，c o n t r o l l e r ) 设计模式与s t r u t s 框架进行了简要的 介绍与分析。最终，在j b u i l d e r + t o m c a t + s q ls e r v e r 2 0 0 0 的整合开发环境 下，结合s t r u t s 框架和设计模式，开发设计了一个疾病监测报告管理系统。 关键词图像处理；j 2 e e ；v d r l ；s t r u t s 框架；监测报告系统 哈尔滨理工人学丁学硕f 学位论文 r e s e a r c ho nv d r l i m a g ep r o c e s s i n ga n dd e s i g no f m o n i t o r i n gr e p o r t i n gm a n a g e m e n ts y s t e m a b s t r a c t a tp r e s e n t ，t h ev d r l ( v e n e r e a ld i s e a s er e s e a r c hl a b o r a t o r y ) t e s to ft h e s y p h i l i sr e l i e s o na r t i f i c i a l i t y , t h a ti tl e a d st oah i g he r r o rr a t i o i no r d e rt o o v e r c o m et h e s es h o r t c o m i n g s ，t h i sd i s s e r t a t i o n a p p l i e st h ec o m p u t e ri m a g e p r o c e s s i n gt e c h n o l o g y t ot h ea n a l y s i sa n dr e c o g n i t i o no fv d r li m a g e ， r e s e a r c h e ss e v e r a lr e l a t i v ep r o b l e m so nv d r ls u c ha sp r e p r o c e s s i n g ，s e g m e n t i n g ， f e a t u r ee x t r a c t i n g a tt h es a m et i m e ，i no r d e rt oi m p r o v et h el e v e lo fm e d i c a li n f o r m a t i z a t i o n m a n a g e m e n t ，t h i sd i s s e r t a t i o nc o n s t r u c t sa ne f f i c i e n tm a n a g e m e n ts y s t e mb a s e d o nn e t w o r kc o m m u n i c a t i o nb a s ea n da d v a n c e dn e t w o r ka p p l i c a t i o np l a t f o r m i nt h ep r e p r o c e s s i n ga s p e c t ，t h ed i s s e r t a t i o nc o n s t r u e da n dc o m p a r e dd i f f e r e n t m e t h o d so fi m a g e sg r a yt r a n s f o r m a t i o na n de n h a n c e m e n t ，d e t e r m i n e dt oa d o p t t h em a x v a l u em e t h o dt ot r a n s f o r mt h ec o l o ri m a g et og r a yo n ea n da d o p tt h e m e d i a nf i l t e rt op u r i f yt h eg r a yi m a g e sn o i s e s i m a g es e g m e n t a t i o ni sc r i t i c a lf o r i m a g er e c o g n i t i o n b a s e do nad e t a i l e da n a l y s eo ft h ea l g o r i t h m sc o m m o n l yu s e d b o t h i n t e r i o r l y a n do v e r s e a s ，t h ed i s s e r t a t i o na d o p t e dt h er e s e a r c h o ft h e w a t e r s h e ds e g m e n t i n ga l g o r i t h mi na c c o r d a n c ew i t ht h ec h a r a c t e r so ft h ev d r l i m a g e w a t e r s h e ds e g m e n t a t i o nb a s e do nm a t h e m a t i c a lm o r p h o l o g yi sap o p u l a r t o o lf o ri m a g ep r o c e s s i n g i ti sar a p i d ，h i g h l yp r e c i s em e t h o da n ds e n s i t i v ei n o b s c u r eb o u n d a r y h o w e v e r t h e r ei sap r o b l e mc o u s e db yt h i sm e t h o d - m u c h o v e rs e g m e n t a t i o n b e c a u s eo fa d o p t i n gt h ei m p r o v e dm u l t i - s c a l ew a t e r s h e d a l g o r i t h m ，t h ep r o b l e mo fo v e rs e g m e n t a t i o n sw a sr e s o l v e de f f e c t i v e l y i nt h e f e a t u r ee x t r a c t i n ga s p e c t ，t h ed i s s e r t a t i o nl a b e l e dt h ea g g l o m e r a t eg r a n u l eb yt h e l a b e lm e t h o d a c c o r d i n gt ot h ed i a g n o s t i cs t a n d a r do ft h et e s t ，i te x t r a c t ss e v e r a l p a r a m e t e r ss u c ha sa r e a ，q u a n t i t ya n ds oo nt or e c o g n i z e j 2 e ei so n eo ft h eb e s tp l a t f o r m so f j a v ap l a t f o r me n t e r p r i s ee d i t i o n ，n o to n l y i l 哈尔滨理丁火学t 学硕一i ：学位论文 l i e si nt h ea d v a n t a g eo fc r o s s p l a t f o r m ，b u ta l s ob e c a u s eo fi ni t sc o m p l e t es e t so f s t a n d a r dt e c h n o l o g y ，s u c ha sj s p ，s e r v l e t ，e j be t c t h i sd i s s e r t a t i o ni l l u s t r a t e d t h e a d v a n t a g eo fj 2 e e ，a n a l y z e dt h es h o r t c o m i n g s o ft r a d i t i o n a lt w o - t i e r a r c h i t e c t u r ea n dt h em e r i t so fm u l t i t i e ra r c h i t e c t u r e t h e n ，i n t r o d u c e da n d a n a l y z e dj 2 e e sp r i m a r yk e r n e lt e c h n o l o g y , m v c ( m o d e l ，v i e w ，c o n t r o l l e r ) d e s i g np a t t e r na n ds t r u t sf r a m e w o r k f i n a l l y ，i n t h ei n t e g r a t e dd e v e l o p m e n t e n v i r o n m e n to fj b u i l d e r + t o m c a t + s q ls e r v e r 2 0 0 0 ，c o m b i n i n gs t r u t s f r a m e w o r ka n dd e s i g np a t t e r n s ，d e s i g n e dam o n i t o r i n gr e p o r t i n gs y s t e m k e y w o r d si m a g ep r o c e s s i n g ，j 2 e e ，v e n e r e a l d i s e a s er e s e a r c hl a b o r a t o r y , s t r u t s f r a m e w o r k ，m o n i t o r i n gr e p o r t i n gs y s t e m i i i 哈尔滨理工大学硕士学位论文原创性声明 本人郑重声明：此处所提交的硕士学位论文( ( v d r l 图像处理研究及监测 报告管理系统的设计与实现，是本人在导师指导下，在哈尔滨理工大学攻读 硕士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明 部分外不包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个 人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承 担。 作者签名：渖厶 同期： 孵年；月，z 同 哈尔滨理工大学硕士学位论文使用授权书 ( ( v d r l 图像处理研究及监测报告管理系统的设计与实现系本人在哈尔 滨理工大学攻读硕士学位期i 白j 在导师指导下完成的硕士学位论文。本论文的研 究成果归哈尔滨理工大学所有，本论文的研究内容不得以其它单位的名义发 表。本人完全了解哈尔滨理工大学关于保存、使用学位论文的规定，同意学校 保留并向有关部门提交论文和电子版本，允许论文被查阅和借阅。本人授权哈 尔滨理工大学可以采用影印、缩印或其他复制手段保存论文，可以公布论文的 全部或部分内容。 本学位论文属于 保密口，在年解密后适用授权书。 不保密彤 ( 请在以上相应方框内打) 作者签名： 诩k 日期：df 年；月，p 日 新躲丑眸乙嗍口户年3 月伽 哈尔滨理丁人学丁学硕j j 学位论文 1 1 引言 第1 章绪论 随着计算机和互联网技术的日趋成熟和普及，与之相关的各种技术也有了 很大的进步，计算机视觉，w e b 服务，图像处理技术也越来越成熟。同时，关 于图像处理的算法研究也越来越多，随着图像技术日益完善，图像处理技术已 经广泛的用于工业，军事，医学，交通，农业等各个部门。 数字图像处理的发展开始于6 0 年代初期，美国在航天返回的图片中采用 了数字图像处理技术，7 0 年代，医学上也开始运用数字图像处理技术幢1 。应用 图像分析技术，借助于计算机进行医学图像的处理研究，它既可科学地总结临 床病理学家诊断经验，又可充分发挥计算机视觉分辨率高且抽取疾病样本特征 灵活多样的特点，这就为疾病样本的定量分析、研究生命现象及各类疾病的早 期诊断提供了强有力的手段b 1 。目前医学上的图像处理主要是以显微图像和影 像图像为主。在细胞分析，射线分析方面，图像处理技术已经比较成熟，应用 也日益广泛，但是在非显微图像方面的应用还比较少。 同时，伴随着互联网技术的发展，信息化建设突飞猛进，i n t e m e t 网构造 了无限的信息资源，w e b 浏览器是获得信息、沟通世界的主要工具，它的普及 改变了企业的经营方式和服务方式。越来越多的公司、企业以及政府希望通过 利用i n t e m e t 所提供的无地域、无国界、无时间限制的便利信息环境来开发自 己的w e b 应用，各行各业信息化建设空前活跃，卫生医疗行业信息化建设也 成为一种必然的趋势h 1 。 1 2 国内外研究现状 在性传播疾病的诸多病种中，梅毒的流行范围十分广泛，对患者身心健康 造成的危害也十分严重，在青霉素问世以前，梅毒曾是重要的致死、致残的疾 病之一。医学史上曾将梅毒与结核、麻风并列为世界三大慢性传染病幅1 。对梅 毒的防治与科研涉及预防医学、临床医学和社会医学的诸多领域。因此，梅毒 病学理所当然成为医学科学的一个重要分支学科，而控制梅毒的流行，对保障 人民的身心健康具有重大意义，同时也是医疗防疫工作的一项重要任务阳1 。 哈尔演理t 人学丁学硕i j 学位论文 随着现代医学科学技术的发展，为梅毒的病因、发病机制、临床损害、诊 断技术及治疗方法的研究提供了良好的平台。国内外学者在梅毒学研究方面做 了大量工作，并在一定程度上取得了长足的进展和提高。 同时随着社会主义市场经济体系的建立和发展，疾病控制工作面临的内、 外环境发生了根本变化，一些制约疾病控制事业发展的深层次矛盾和问题日益 显现，疾病控制改革与发展迫切需要加快信息化建设。有关数据显示，西方发 达国家的信息化投入占整个卫生医疗总费用的2 - 6 ，而我国还远远没达到这 个比例【7 1 。 目前，中国医疗行业i t 应用系统主要有两大内容，一是医疗机构( 特别是 医院) 的信息系统；二是全国范围内的国家公共卫生信息系统。 国家公共卫生信息系统是医疗行业信息系统涵盖的一个主要内容。和医院 信息系统主要管理单个医院内部信息相对，国家公共卫生信息系统则主要对全 国范围内的各种公共卫生信息进行管理，实现对疾病的预防控制和对公共卫生 的管理，尤其是实现对突发公共卫生事件的应急管理。 面向w e b 的应用程序开发的技术有很多，当前中小型网站用a s p ，p h p 技术的比较多，因为用这些技术来开发有速度快，开发周期短，经济上可行等 特点，但这些技术都不是面向对象的，而且程序结合程度较高，进行功能修 改、扩充和维护时是非常困难的。而j 2 e e 技术沿袭了j a v a 一贯的平台无关性 和分布式处理能力强等优点，并且在w e b 应用程序的开发上己经形成了标准 的体系结构，移植性和兼容性很强，最重要的是，它是完全向面对象的，增强 了程序的可维护性，从而大大弥补前面提到的技术的不足。 j 2 e e 是一种利用j a v a2 平台来简化企业解决方案地开发、部署和管理相 关问题的体系结构，提供了一个企业级的计算模型和运行环境，用于开发和部 署多层体系的应用。j 2 e e 提供的多层分布式应用模型、组件重用、一致化的 安全模型以及灵活的事件控制，加快了应用程序的设计和开发，可以快速、容 易地建立融合i n t e r n e t 技术尤其是w e b 技术的n 层结构的分布式企业应用。基 于j 2 e e 技术的b s 结构具有可维护性好、可扩展性好、安全性好等优点，较 好地解决了c s 结构所固有的可维护性差、可扩展性差、安全性差、部署麻烦 等弊端旧。 目前j 2 e e 被认为是成长最快的技术应用框架，全球8 7 的新应用是由 j 2 e e 分布式应用体系支撑的。在中国，j 2 e e 也已经被广泛认可，许多都采用 了j 2 e e 技术。最近几年，m v c 模式又被引入到s u n 公司的j 2 e e 平台。 m v c 模式是国外应用较多的一种设计模式，它包括三类对象，m o d e l 是应用 哈尔滨理t 大学t 学硕上学位论文 对象，v i e w 是它在屏幕上的表示，c o n t r o l l e r 定义用户界面对用户输入的响应 方式。由这种模式派生出来的成熟框架很多，目前占主流的是s t r u t s 框架，它 的版本目前己经发展到了2 1 版。目前，该框架在国内外许多的大型w e b 应用 项目中得到广泛应用悖。 1 3 研究的目的与意义 梅毒是一种经典性病，在性病中，它对人体的危害仅次于艾滋病。患病后 病程漫长，早期侵犯生殖器和皮肤，晚期侵犯全身各器官，并产生多种多样的 症状和体征，病变几乎能累及全身各个脏器，晚期梅毒是可以毁容、致残、致 死的，最后阶段病人会备受折磨而死。梅毒通过性行为可以在人群中相互传 播，并可以由母亲传染给胎儿，危及下一代。极少数患者通过接吻、哺乳、接 触有传染性损害病人的日常用品而传染。在性传播疾病中，梅毒的患病人数是 低的，但由于其病程长，危害性大，应予重视。 梅毒是由外国人在1 6 世纪传入中国的，首先在广东流行，以后逐渐蔓延 到全国各地，成为解放前的一大公害。建国后该病被消灭，现在又死灰复燃。 对梅毒只要做到早发现、早治疗，是完全可以治愈的。 目前常用的梅毒疾病检测方法是性病研究实验室( v e n e r e a l d i s e a s e r e s e a r c hl a b o r a t o r yt e s t 简称v d r l ) 方法。所用抗原是心磷脂、卵磷脂和胆固 醇的乙醇溶液。梅毒螺旋体破坏人体组织过程中，在体内释放出一种抗原性心 磷脂，能刺激机体产生反应素，该反应素与从牛心中提取的心磷脂在体外可发 生抗原抗体反应。卵磷脂的作用是加强心磷脂的抗原性，胆固醇可增强抗原的 敏感性。心磷脂与卵磷脂遇水形成胶体溶液，胆固醇遇水析出结晶，反应时结 晶成为载体( 核心) ，在载体或核心的周围，包裹了一层心磷脂和卵磷脂，形成 一种胶体微粒，这种微粒遇到梅毒血清抗体( i g g 、i g m ) ，即粘附在胶体微粒的 周围，形成疏水性薄膜，由于摇动、碰撞，使颗粒与颗粒互相粘附而形成肉眼 可见的颗粒凝集和沉淀，即为阳性反应；如遇到非梅毒血清，因体液中的白蛋 白多于球蛋白，而白蛋白对胶体颗粒有保护作用，形成亲水性薄膜，即使同样 摇动、碰撞，由于抗原颗粒周围没有粘附免疫球蛋白的作用，不能形成较大颗 粒，无肉眼可见的凝集和沉淀，因此为阴性反应n 训。 虽然v d r l 检测技术成熟，实际操作方便，成本低，准确率高，是一种非 常有效的梅毒疾病检测方法，但是，在检测结果的判断上，目前仍停留在人工 阶段。完全依靠人眼的判断，在很大程度上依赖于人的主观经验，而且常常会 哈尔滨理丁大学丁学硕l j 学位论文 受到外界环境的影响，因此假阴性、假阳性出现的几率较高，病情严重度的判 断，也常会出现差错，很多的情况下，是同一化验结果不同的化验员得出不同 的结论，影响了病情的准确判断，以及病人的治疗。 正是由于此问题的存在，我们与哈尔滨市疾病预防控制中心合作，希望利 用计算机数据处理迅速，判断准确、客观的特点，对v d r l 图像进行辅助处 理，从而降低梅毒疾病检测的误判率。同时，为了能够更好的普及梅毒疾病的 检测工作，我们提出搭建一个综合运用计算机技术、网络技术和通讯技术的疾 病监测报告管理系统，构建覆盖哈尔滨各级卫生部门、疾病预防控制中心、卫 生监督中心、各级各类卫生医疗机构的高效信息网络系统，网络触角延伸到城 市社区和农村卫生室的卫生医疗信息系统。 1 4 本文的主要研究工作 本文研究的主要工作旨在利用图像处理技术，解决v d r l 图像处理和分析 中存在的问题，并在同时开发了基于j 2 e e 的监测报告管理系统。为此，确定 本文的研究内容如下： ( 1 ) 在哈尔滨疾病预防控制中心利用数码相机进行图像采集，根据采集到的 图像的特点，以及疾病诊断原理，对图像进行分析。为了得到更好的处理效 果，首先对图像进行了预处理，主要是彩色图像到灰度图像的转化，图像的增 强及去噪，获得更易于处理的图像。 ( 2 ) 研究图像信息处理方法中的图像分割技术，通过多种分割方法的比较， 并针对v d r l 图像的特点，最终采用了基于改进的多尺度分水岭算法对v d r l 图像进行分割。 ( 3 ) 对分割后的v d r l 图像，标记所有的凝集颗粒区域，计算凝集颗粒的 个数及各个颗粒的面积，并对大、中、小及微小颗粒面积区域的颗粒个数进行 统计。根据得到的特征参数参照医学专家的诊断依据实现梅毒疾病的诊断。 ( 4 ) 详细阐述了j 2 e e 体系结构和m v c 设计模式，结合m v c 模式研究当 前应用最广泛的w e b 应用框架s t r u t s ，分析其实现原理和特点，并在此框架基 础上设计开发了监测报告管理系统。系统共分为三个部分：网站外网、网站内 网、监测报告会员系统。 哈尔滨理下大学丁学顾i j 学位论义 第2 章v d r l 图像采集及预处理 2 1v d r l 图像采集及获取装置 数字图像处理的第一步必然是图像的获取，如果需要感知一幅图像，必然 需要两个部分，首先，图像的获取需要物理的传感设备，使用感应器将图像的 灰度等特性转化为电信号，根据电信号得到一幅连续图像f ( x ，y ) ，然后要将连 续图像转化为数字图像，也就是图像的取样和量化。 对于连续图像f ( x ，j ，) ，图像x 和y 的坐标和输出值都是连续的，为了把它 转化为数字图像的形式，必须在坐标和幅度上都做取样操作，数字化坐标值称 为取样，数字化幅值称为量化。实际上就是对于连续图像f ( x ，y ) 按照一定的规 则进行逐个采样，得到一系列的对应于原始图像的离散值，这些值组成了数字 图像。 取样和量化的结果是一个实际矩阵。可以用下面的紧凑矩阵形式写出完整 的m 表示如下： f ( x ，y ) = f ( o ，o )f ( o ，1 )f ( 0 ，n 一1 ) f ( 1 ，0 )f 0 ，1 ) f ( 1 ，n 一1 ) f ( m 一1 ) f ( m l ，1 ) f ( m 一1 ，n 一1 ) ( 2 - 1 ) 我们所处理的图像就是形成矩阵形式的数字图像，其中，取样值是一幅图 像空间分辨率的主要参数。我们研究的一般都是灰度图像，所以介绍一下灰度 图像的基本概念，首先介绍一下灰度分辨率，灰度分辨率指在灰度级别中可以 分辨的最小变化。出于硬件方面的考虑，一般灰度级都会采用2 的整次幂。通 常我们把大小为m n ，灰度为级的图像称为空间分辨率为m n 像素，灰 度级分辨率为三级的数字图像。很明显，空间分辨率或灰度级分辨率越高，图 像的效果自然越好，不过两个因素共同作用的时候比较复杂，具体情况具体分 析。 哈尔滨理工大学t 学硕i j 学位论文 在图像采集工具上，我们对各种图像采集工具，包括胶片扫描仪、电荷注 入器件( c h a r g ei n j e c t i o nd e v i c e ，简称c i d ) 以及电荷耦合器件( c h a r g ec o u p l e d d e v i c e ，简称c c d ) 进行了比较分析。胶片扫描成本相对较低，但精度不高， 它只能数字化照相机拍摄下来的物体图像。胶片扫描仪曾在图像处理中扮演过 主要角色，但随着科学技术的发展及硬件设备成本的降低，使用直接数字化的 摄像机已经成为目前发展的主要趋势。c c d 与c i d 都能直接数字化图像，但 二者在性能上有所差异。与c c d 相比，c i d 对扩散模糊和辐射危害更不敏 感，因而在严酷的照射条件或环境条件下比较有用；c i d 的光灵敏度比相应的 c c d 低很多；c i d 和c c d 被应用在特别需要其随即访问能力、非破坏性读出 和抗扩散模糊特性的特定场合。 针对我们采集的图像的特点，本研究中采用了能直接数字化图像的彩色 c c d 数码相机。该相机由f u j i f i l m 公司生产，型号为f 2 0 ，它具有性能优 良，便于携带和易于操作等特点。最大分辨率有为2 8 4 8 x 2 1 3 6 ；焦距( 相当于 3 5 m m ) 3 6 1 0 8 m m ；快门可在4 至1 2 0 0 0 秒之间变化；存储媒体为x d 卡；有 自动，强制，关闭，防红眼，慢速同步，防红眼+ 慢速同步六种闪光模式。 2 2v d r l 图像预处理 图像处理流程分为三个阶段，在获取原始图像后，首先是图像预处理阶 段，第二是特征抽取阶段，第三是识别分析阶段。 在实际应用中，我们获取的原始图像不是完美的，由于噪声、光照等因素 的影响，图像的质量不高，需要进行预处理，这有利于提取感兴趣的信息。图 像预处理是指在获取数字图像后，为了便于研究，而对图像进行前期简略处理 的技术，目的是消除数字图像采集过程中由于各种因素影响而产生的噪声，改 善图像质量，是图像分析和图像理解的前提和基础。 由于图像的前期预处理分析中我们需要大量的图像特征数据，为了得到这 些数据，我们必须对大量的图像进行处理；同时，为了试验各种算法，进而判 定各种算法的优缺点，决定算法的采用，也需要大量的算法分析，这些都意味 着要处理大量的数据，在此前提下，我们选择了采用m a t l a b 软件做图像预 处理和数据分析工作。 m a t l a b 是m a t r i xl a b o r a t o r y 的缩写，如同它的英文名字一样，它的核 心就是大量的矩阵处理，正是由于矩阵处理的采用，m a t l a b 具有强大的数 据处理功能2 1 。最初它由美国的c l e v em o l e r 博士在7 0 年代术讲授矩阵理论和 哈尔滨理t 人学t 学硕l ：学位论文 数据分析等课程时编写的软件包l i n p a c k 与e i s p a c k 组成，目的在于使应用人 员免去大量的经常重复的矩阵运算和基本的数学运算等繁琐的编程工作；到 1 9 8 4 年，他们组建了m a t h w o r k s 公司，开始正式开发m a t l a b 软件，并且推 向市场；到1 9 9 0 年m a t h w o r k s 又推出了以框图为基础的控制系统仿真工具 s i m u l i n k ，1 9 9 3 推出w i n d o w s 版本；到了1 9 9 9 年的时候，m a t l a b 5 3 版本 推出，真正实现了3 2 位运算，其速度更快、功能更完善、界面更友好，并且 提供了i n t e m e t 的搜索引擎，可以协助用户寻求网络帮助，使得m a t l a b 的应 用进入更广阔的区域。到现在m a t l a b 功能更为强大和全面，目前它拥有大 量的工具箱去处理各种数据运算，包括：信号处理工具箱，控制工具箱，通信 工具箱等，几乎涉及到了项目中各方面的应用，并且m a t l a b 的仿真系统也 非常强大，应用范围广泛引。 针对我们课题而言，利用m a t l a b 的图像处理工具箱，我们可以使用 m a t l a b 的简单的语句来实现算法的运用，可以方便的比较各种算法的优缺 点，进行图像的统计分析，而且m a t l a b 还有灵活的绘图功能，我们可以轻 易的生成分析图像的直方图、变换图、函数曲线等。 2 2 1 灰度化处理 1 9 3 1 年国际照明技术委员会c i e 规定，选择红色，绿色，蓝色三种单色 光作为表色系统的三基色。这就是c i e 的r g b 颜色表色系统。在彩色图像 中，图像是由r g b 三分量表示的。其中，一个像素需要三个量来表示。如果 每个量是8 b i t s ，那么表示一个像素的值需要2 4 b i t s ，不利于存储图像。为此需 要对输入图像去掉彩色信息，进行灰度转换4 。 在r g b 模型中，当r = g = b 时，颜色( j f c ，g ，b ) 表示的不是彩色而是黑白色 或称灰度，其中r = g - - - b 的值叫做灰度值。由彩色转化为灰度的过程叫做灰度 化处理。由于足，g ，b 的取值范围是0 - 2 5 5 ，所以灰度的级别只有2 5 6 级，即 只能表现2 5 6 种狄度5 1 。 对于r g b 颜色模型，灰度化处理主要有如下三种： 1 最大值法使尺，g ，b 的值等于三个值中的最大的一个，即： g r a y = m a x ( r ，g ，b ) ( 2 - 2 ) 2 最小值法使r ，g ，b 的值等于三个值中最小的一个，即： g r a y = m i n ( r ，g ，b ) ( 2 3 ) 哈尔滨理工人学工学硕卜学位论文 3 力口权平均值法根据重要性或其他指标给尺，g ，b 赋予不同的权值，并 取r ，g ，b 它们的值的加权平均，即： 西缈= w r r + g + w ! b( 2 - 4 ) 式中w 。r 分量的权值； g 分量的权值； w 。曰分量的权值。 由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最 低，因此使 w r w b 将得到较合理的灰度图像。当w r = o 3 ，= o 5 9 ， w 。= 0 1 l 时，即当g r a y = 0 3 r + o 5 9 g + 0 1 l b 能得到最合理的次度图像。 依上述方法对v d r l 图像进行灰度化处理，图2 1 为原始细胞图像，图2 2 为取最大值法得到的灰度图像。 图2 1 原始细胞图像 f i g 2 1t h eo r i g i n a lc e l l u l a ri m a g e 图2 - 2 最大值法灰度化图像 f i g 2 - 2t h eg r a yi m a g eb yt h em a x m e t h o d 2 2 2 图像增强 图像增强是指按照特定的需要突出一幅图像中的某些信息，同时削弱或去 除某些不需要的信息的处理方法。其主要目的是使处理后的图像对某种特定的 应用来说，比原始图像更适用，比如，突出边缘信息，改善对比度，增强图像 的轮廓特征，以保证检测的准确性，处理的结果使图像更适合于人的视觉特性 或机器的识别系统引。因此，这类处理是为了某种应用而去改善图像质量的。 图像增强技术基本上可分成两大类：一类是频域处理法，另一类是空域处 理法”引。 频域增强的理论基础是卷积定理和傅立叶变换。假定函数f ( x ，y ) 与线性不 变算子h ( x ，y ) 的卷积结果是： g ( x ，y ) = f ( x ，y ) ，- ch ( x ，y ) ( 2 5 ) 哈尔滨理工人学t 学硕j j 学位论义 相应的由卷积定理可得下述频域关系： g ( u ，v ) = h ( u ，v ) f ( u ，y )( 2 6 ) 式中g ( u ，) 函数g ( x ，j ，) 的傅立叶变换； h ( u ，v ) 传递函数或滤波函数； f ( u ， ，) 函数h ( x ，y ) 的傅立叶变换。 在图像增强中图像函数f ( x ，y ) 是已知的，即待增强的图像，因此f ( u ，v ) 可由图像傅立叶变换得到，实际应用中，首先需要确定的是h ( u ，1 ，) ，然后就可 以求得g ( u ，v ) ，对g ( u ，) 求傅立叶反变换即可得到增强的图像g ( x ，y ) 。g ( x ，y ) 可以突出f ( x ，y ) 某一方面的特征。例如，利用传递函数h ( u ，v ) 突出f ( u ，v ) 的 高频分量，以增强图像的边缘信息，即高通滤波，反之如突出f ( u ，v ) 的低频分 量，就可以使图像显得比较平滑，即低通滤波。 但该方法计算过程复杂，处理速度慢，而我们所处理的图像没有太多的目 标物，从实时性上来考虑应尽量避免复杂的计算量大的算法，故本研究不采用 频域法。我们倾向于采用空间域的方法，空间域的图像增强技术是以对图像像 素直接进行处理为基础的，该类方法使用比较简单，运算速度快，而且实践证 明，图像处理的效果可以达到要求。 空间域的图像增强主要有三种常用的函数类型：线性函数、对数函数、幂 次函数，其中线性变换主要是图像反转。对数变换的一般变换形式为： s = c l o g ( 1 + ，) ( 2 7 ) 式中r 处理后像素； r 为处理前像素； c _ 为对数变换的系数。 以后的公式中如果没有特殊标记，、s 的表示含义不变。 幂次变换的基本形式为： s = 仃9 ( 2 - 8 ) 式中c 幂次变换的系数。 一般我们称幂次等式中的指数为伽玛值；用于修j 下幂次响应现象的过程 称为伽玛校正。具体的指数值，当v 1 时，会让图像变得更加灰暗，当l ， t h ，( f ，歹) 为阶跃状边缘点，如( f ，) ) 为边缘图像。 s o b e l 边缘检测算子很容易在空间上实现，s o b e l 边缘检测器不但产生较好 的边缘检测效果，而且受噪声的影响也比较小。当使用大的邻域时，抗噪声特 性会更好，但这样做会增加计算量，并且得到的边缘也较粗。 s o b e l 边缘检测算子利用像素点上下左右邻点的灰度加权算法，根据在边 哈尔滨理丁大学丁学硕l j 学位论文 缘点处达到极值这一现象进行边缘检测。s o b e l 边缘检测算子对噪声具有平滑 作用，提供较精确的边缘方向信息，但它同时也会检测出许多伪边缘，边缘定 位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。 2 r o b e r t s 边缘算子r o b e r t s 边缘检测算子根据任意对互相垂直方向上的 差分可用来计算梯度的原理，采用对角线方向相邻两像素之差，即： ，f = f ( i ，) 一f ( i + l ，+ 1 ) ，a ，厂= f ( i ，_ ，+ 1 ) 一f ( i + l ，) ( 3 7 ) r ( i ，歹) = x a 2 ，f + a 2 y f 或f ( i ，歹) = 卜卅+ i y f i ( 3 8 ) ，： ：一? y 厂： 一：三 c 3 9 ， 一 二 一 i 二 王 一 三3 二 j 一i二；一 二i 二； i 三i 一 3 二i 二 i 哈尔滨理t 人学t 学硕i j 学位论文 8 个算子样板对应的边缘方向如下图3 - 5 所示： l 3 2 。 8 。 。 、 4 1 7 5 图3 5 样板方向 f i g 3 5d e s i g no ft h et e m p l a t e 适当取门限册，作如下判断：p ( i ，) t h ， i , y 为阶跃状边缘点， 尸( f ，) 为边缘图像。 4 k i r s c h 边缘算子k i r s c h 边缘算子是一个3 x 3 的非线性方向算子，能够 得到对边缘方的编码，与上述算子不一样的是，它需要由图3 - 6 所示的8 个卷 积核组成。图像中的每个点都要用这八个核进行卷积，每个掩模对某个特定边 缘方向做出最大响应，因此它的运算量比较大。与这八个方向的卷积核运算后 的最大值作为边缘幅度输出，而得到最大响应掩模的卷积核的序号就构成了对 边缘方向的编码。 333 - 503 - 553 3- 55 3o5 3 3 3 333 303 55- 5 5- 55 303 3 33 5- 5 3 5o 3 333 图3 - 6k i r s c h 算子的八方向3 x 3 模板 f i g 3 63 x 3e i g h td i r e c t i o n st e m p l a t eo fk i r s c ho p e r a t o r 通过对以上介绍的几种边缘检测算子的比较，从算法公式和检测的结果可 以看出： r o b e r t s 算子简单直观，它是利用局部差分算子寻找边缘，边缘定位精度 哈尔滨理丁大学丁学硕j ：学位论文 较高，但容易丢失一部分边缘，同时由于没经过图像平滑计算，因此不能抑制 噪声。该算子有利于对具有陡峭边缘的低噪声图像的分割，但对噪声很敏感， 故很少采用这种方法检测稠密点区域的边缘。适用于边缘明显且噪声较少的图 像分割，但边缘检测图旱存在伪边缘。 s o b e l 算子属于加权平均算子，对靠近中心的点进行加权以突出边缘。但 计算量较大，对于图像最后一行和最后一列的像素无法进行差分运算，所以采 用了前一行和前一列的梯度值去代替的补救方法。虽然s o b e l 算子的提取效果 较好，但在提取过程中不难发现，阈值的确定是一个非常繁琐但同时也是非常 关键的环节。它和p r e w i t t 算子一样，都是对图像进行差分和滤波运算，但 s o b e l 算子认为，邻域像素对当前像素产生的影响不是等价的，所以距离不同 的像素具有不同的权值，对算子结果产生的影响也不同。一般来说，距离越远 产生的影响越小。s o b e l 算子对噪声具有一定的抑制能力，但不能完全排除检 测结果中出现伪边缘。同时这种算子边缘定位比较准确和完整，但容易出现边 缘多、像素宽的问题。该类算子对灰度渐变和具有噪声的图像处理得较好。 s o b e l 算子和p r e w i t t 算子是在r o b e r t s 算子基础上发展起来的，它们的检 测结果图能检测出更多的边缘，但也存在伪边缘且检测出来的边缘线较粗，并 放大了噪声。p r e w i t t 算子对噪声有抑制作用，抑制噪声的原理是通过像素平 均，但是像素平均相当于对图像低通滤波，所以p r e w i t t 算子对边缘的定位不 如r o b e r t s 算子。p r e w i t t 模板实现起来比s o b e l 模板更为简单，但后者在噪声 抑制方面略胜一筹。k i r s c h 算子对灰度渐变和噪声较多的图像处理较好，但算 法较复杂。 总之，对于灰度变化复杂和细节较丰富的图像，以上算法均很难完全检测 出边缘，而且一旦有噪声干扰时，上述算子直接处理效果更不理想。 3 2 分水岭算法及其改进算法 分水岭算法是源于数学形态学的一种强有力的图像处理方法，主要可以应 用于图像分割，梯度图像的提取1 2 副。由于传统的s o b e l 、r o b e r t s 等边缘检测算 法存在很多缺点，如提取的边缘不连续、运算量大以及大量细节部分的存在使 得提取对象时产生混淆等，而分水岭算法与其相比，获取的边界连续，精度 高，且速度快。故采用分水岭算法对v d r l 图像进行分割。 g 滨g i 学i 硕l 学位* 女 3 21 分水岭算法的基本思想 分水岭变换是图像分割中的一种有效的方法，它以快速、有效、准确的分 割结果越来越得到人们的重视。其基本思想是把图像看作是测地学上的拓扑地 貌，图像中的每一点像素的灰度值表示该点的海拔高度，每个区域都有它的局 部极小值，每一个局部极小值及其影响区域称为蓄水盐，而蓄水盆的边界则形 成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每个局部 极小值表面，刺穿一个小孔，水从这些孔中以匀速溢出，当不同蓄水锰的水面 不断升高到将要汇合在一起时，在两个蓄水盆汇合处构筑大坝，这些筑起的坝 确定了对应流域的分水岭，因而对应图像的轮廓1 。 这些思想可以用图3 7 作为辅助做进一步的解释。围3 - 7 a ) 显示了一个简单 的灰度级图像。假设在每个区域最小值中打个