医学影像系统实验报告

1、医学影像系统实验 PART I 数字图像处理基础实验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

2、结果加深对于象素和数值之间的关系的理解。 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);figureimshow(l3)tit

3、le(乘法)l4 = imdivide(lane,2);figureimshow(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);figureimshow(l5)title(剪切)4 思考题/问答题 (1) 简述MatLab软件的特点 1) 高效的数值计算及符号计算功能，能使用户从繁杂的数学运算分析中解脱出来；2) 具有完备的图形处理功

4、能，实现计算结果和编程的可视化；3) 友好的用户界面及接近数学表达式的自然化语言，使学者易于学习和掌握；4) 功能丰富的应用工具箱(如信号处理工具箱、通信工具箱等) ，为用户提供了大量方便实用的处理工具。(2) MatLab软件可以支持那些图像文件格式 答：JPEG,BMP,PCX,TIFF,PNG,GIF,HDF,ICO,CUR,XWD,RAS,PBM,PGM,PPM(3) 说明函数 imread 的用途格式以及各种格式所得到图像的性质 从图像文件中读取数据，调用格式为 A = imread(filename,fmt)， 其作用是将文件名用字符串filename表示的，扩展名用fmt表示的图

5、像文件中的数据读到矩阵A中。如果filename所指的为灰度级图像，则A为一个二维矩阵；如果filename所指的为RGB图像，则A为一个mn3的三维矩阵。Filename表示的文件名必须在MATLAB的搜索路径范围内，否则需指出其完整路径。(4) 为什么用 I = imread(lena.tif) 命令得到的图像 I 不可以进行算术运算 ？tif文件一般为多帧文件，有点像动画，含有三维信息，而算术运算只针对而且信息的图像。实验2 图像的增强 1 实验目的 学习常见的图像增强的方法，并实际体会图像增强前后画质的变化，了解几种不同增强方式用于不同图像处理所取得的效果，培养处理实际图像的能力。2

6、实验要求 利用MatLab工具箱中关于图像增强的函数，计算本指导书中指定图像的直方图，并对其进行灰度增强处理，自己编制程序实现MatLab工具箱中函数以外的图像增强算法，对于本指导书中指定的图像进行处理 3 实验内容与步骤 (1) 调入并显示图像cells.gif (2) 计算并显示图像的直方图 (3) 对图像进行直方图均衡增强，显示均衡后的图像及其直方图，观察结果并与原图像进行对比 (4) 使用指数、对数方法对图像进行增强，显示增强后的图像及其直方图，观察结果并与原图像进行对比 编写的总程序如下：cells = imread(cells.gif)figuresubplot(1,2,1)ims

7、how(cells)title(原始图像)subplot(1,2,2)imhist(cells)title(原始直方图) figure %均衡增强hence = histeq(cells)subplot(1,2,1)imshow(hence)title(均衡后图像)subplot(1,2,2)imhist(hence)title(均衡后直方图) i = mat2gray(cells)K = log(255*i+1)/log(256); %对数处理变换figure;subplot(121);imshow(K);title(对数变换图像)subplot(122);imhist(K);title(对

8、数变换后直方图) l = (exp(log(256)*i)-1)/255; %指数变换figure;subplot(121);imshow(l);title(指数变换图像)subplot(122);imhist(l);title(指数变换后直方图) 所得的图像如下：由图可见，均衡以及指数变换处理后图片灰度分布更均匀，图像也更清晰；而对数变换效果不明显，相当于是实现了反差的效果，将图像整体加亮。5 思考题(1) 小结一下本实验所用的增强方法 本实验用了各种算术的方法实现了图像的增强，实质上只是改变了点的像素值，为点运算。(2) 什么条件下可以使用对数或指数增强技术？ 对数变换能扩展低灰度值，压缩

9、高灰度值，使低灰度值图像更清晰；指数变换能扩展高灰度值，压缩低灰度值，适用于高灰度图像。实验3 图像的算术运算 1. 实验目的 了解图像的算术运算在数字图像处理中的应用，体会图像算术运算处理的过程和处理前后图像的变化。 2. 实验要求 掌握基本的图像算术运算及相关的 MatLab 程序 能够针对本实验指导书中提出的问题自行确定适当的算术运算方法进行处理，能够预先估计处理效果，并能对于结果作出正确的讨论。 3. 实验内容与步骤 (1) 进一步阅读有关资料并熟悉MatLab的基本操作 (2) 图像算术运算的应用之一 a) 调入并显示 array1.gif 和 array2.gif 二幅的内容为数字

10、阵列的图像(这二幅图像中所有数字的位置排列都是规则的而且字体和字号完全相同仅有少量数字不一样) b) 考虑使用适当的图像算术运算方法找出二幅图像中不同的数字及其所处的位置 c) 图像array3.gif 与 array2.gif 中的数字完全一样但是数字的位置略有不同以array3.gif 代替 array2.gif 进行上述处理观察其结果并与前面的结果进行比较 d) 显示/记录处理结果并做出报告 (3) 图像算术运算的应用之二 a) 调入并显示图像 CARS1.bmp CARS6.bmp 共六幅图像(这些图像为某交通监视系统获取的一系列图像) b) 为了完成交通的自动监管需要为图像识别系统提

11、供不带背景的车辆照片考虑使用适当的图像算术运算方法达到得到这一目的 提示为了得到车辆的图像必须去除图像的背景而图像的背景可以通过多幅图像的平均而近似取得 c) 显示/记录处理结果并做出报告 (4) 图像的算术运算的应用之三 a) 调入并显示noisy400.bmp b) 注意观察上述图像(请注意这幅图像实际上包括了64幅小图像)并对原始图像的状况进行评价 c) 图像的噪声是加性噪声考虑使用适当的图像算术运算方法去除噪声 d) 进行处理并显示处理后的结果 4. 实验结果(1) 程序代码如下clear Im,map = imread(array1.gif); % 输入图像array1.gifI1

12、= ind2gray(Im,map);Im,map = imread(array2.gif); % 输入图像array2.gifI2 = ind2gray(Im,map);Im,map = imread(array3.gif); % 输入图像array3.gifI3 = ind2gray(Im,map); D1=I1-I2+0.5; % 得到I1和I2的差，加上0.5调解背景亮度D2=I1-I3+0.5; % 得到I1和I3的差，加上0.5调解背景亮度 figure(1)imshow(D1); title(图像array1-array2+0.5);figure(2)imshow(D2); ti

13、tle(图像array1-array3+0.5);得到由图可看出，array1和array2图像相似度比较高，减法运算时显示出了两图像之间的差别，而array2和array3之间因为字号和字体不一致，减法运算结果显示处像素二者完全不同。(2)代码如下：clear Im,map = imread(CARS1.bmp); % 输入图像CARS1.bmpC1 = ind2gray(Im,map);Im,map = imread(CARS2.bmp); %输入图像CARS2.bmp C2 = ind2gray(Im,map);Im,map = imread(CARS3.bmp); %输入图像CARS3

14、.bmpC3 = ind2gray(Im,map);Im,map = imread(CARS4.bmp); %输入图像CARS4.bmpC4 = ind2gray(Im,map); Im,map = imread(CARS5.bmp); %输入图像CARS5.bmpC5 = ind2gray(Im,map);Im,map = imread(CARS6.bmp); %输入图像CARS6.bmpC6 = ind2gray(Im,map); figure(1)subplot(2,3,1), imshow(C1);title(CARS1.bmp);subplot(2,3,2), imshow(C2);

15、title(CARS2.bmp);subplot(2,3,3), imshow(C3);title(CARS3.bmp);subplot(2,3,4), imshow(C4);title(CARS4.bmp);subplot(2,3,5), imshow(C5);title(CARS5.bmp);subplot(2,3,6), imshow(C6);title(CARS6.bmp); B=C1/6+C2/6+C3/6+C4/6+C5/6+C6/6; % 6figure(2)imshow(B); % title(); figure(3)subplot(2,3,1), imshow(C1-B+0.

16、5);title(C1-B);subplot(2,3,2), imshow(C2-B+0.5);title(C2-B);subplot(2,3,3), imshow(C3-B+0.5);title(C3-B);subplot(2,3,4), imshow(C4-B+0.5);title(C4-B);subplot(2,3,5), imshow(C5-B+0.5);title(C5-B);subplot(2,3,6), imshow(C6-B+0.5);title(C6-B);调入的六张图如下：叠加后显示的背景为去除背景后得到的图像通过图3结果显示，图片背景全部被剔除出，只可见形势的骑车图像。(

17、3) 代码如下clear Im,map = imread(noisy400.bmp); IN = ind2gray(Im,map);figure(1)imshow(IN); title(图像noisy400); a=64; b=0;is=zeros(size(50); for j=0:7 for i=0:7 in=imcrop(IN,i*50+1,j*50+1,49,49); is=is+in/a; figure(2); imshow(in) title(原始图像) figure(3); imshow(is) title(叠加图像) b=b+1; if b=a,break,end end if

18、 b=a,break,end end调用的原始图像为:经过剪切拼合后得到：叠加后有效地显示出了原始图像。5. 思考题/问答题 (1) 若实验内容应用之一的图像数字阵列中数字的位置、字体、字号不完全相同是否可以使用本实验中的方法进行处理？不可以， 无法准确地用减法得到想要的图像差别。(2) 实验内容应用之二的图像背景剔除的效果如何？为什么？如何改进？ 效果不是很理想，图像整体偏暗，可用对数变换来增强。(3) 实验内容应用之三中对图像 noisy400.bmp 进行处理时，参与叠加的图像数量与叠加结果有什么关系？大约多少幅图像叠加可以取得比较满意的结果 ？数量越多，叠加后的图像余额清晰；大约20幅

19、图可以显示暗但比较清晰的数字。实验4 图像的变换 1 实验目的 进一步了解MatLab软件/语言，学会自己编制MatLab函数。学会使用MatLab软件的工具函数对图像进行FFT、DCT变换以及这些变换的反变换。了解图像内容(空间域)与频谱(频率域)的对应关系，并学会对此进行评价。进行频率成分缺省条件下的反变换，体会频率成分与重建图像质量的关系。 2 实验要求 学生应当编制自己的MatLab函数，完成规定图像的变换和反变换。能正确评价图像内容(空间域)与频谱(频率域)的对应关系。 3 实验内容与步骤 (1) 利用MatLab工具箱中的函数编制FFT频谱显示的函数 (2) a. 调入显示图像bl

20、ood.gif b. 对这幅图像做FFT并利用自编的函数显示其频谱 (3) a. 调入显示图像lena.gif b. 对图像做FFT进行离散余弦变换(DCT) 并显示其频谱 c. 选用不同的频谱分量利用离散余弦反变换(IDCT)对图像进行重建 d. 观察重建结果，并判断基本保持图像质量所需要的最少频谱分量，从结果中体会图像有损压缩及可变压缩率的思想和技术。 4 实验结果(1) 编写FFT显示函数function fftdis(I) RR=real(I); II=imag(I); A=sqrt(RR.2+II.2); A=(A-min(min(A)/(max(max(A)-min(min(A)*

21、255; % 归一化imshow(A); (2) 显示blood.tif的频谱图像clear Im,map = imread(blood.gif); I = ind2gray(Im,map);figure(1)imshow(I);title(原始图像); J=fft2(I);figure(2)fftdis(J);title(FFT频谱图像); K=fftshift(J);figure(3)fftdis(K);title(移位后的FFT幅度谱); figure(4)B=ifft2(J);imshow(B);title(重建图像);得到的图像如下：傅里叶逆变换后得到的图像几乎不失真，(3) 调入l

22、ena.tif余弦变换以及反变换clear Im,map = imread(lena.gif); I = ind2gray(Im,map); figure(1)imshow(I);title(原始图像); J=dct2(I);figure(2)imshow(log(abs(J),);title(DIT谱（对数）); B=idct2(J);figure(3)imshow(uint8(B);title(全系数重建图像); t1=0.02;t2=0.1; J1=J;J2=J; J1(abs(J1)t1)=0;J2(abs(J)t2)=0; B1=idct2(J1);figure(4)imshow(u

23、int8(B1);title(部分系数重建图像1); B2=idct2(J2);figure(5)imshow(uint8(B2);title(部分系数重建图像2);得到的图像结果如下，其中部分系数重建中频率分量分别为0.02,0.1：全系数重建非常好的回复了原始图像，验证了余弦变换的可行性。可见逆余弦变换后德奥的图像仍然能很好的回复原始图像，而且部分系数t =2时恢复发图像也能达到很好的效果，但将小于20的频率分量舍去时重建后返现图像变模糊了。5 思考题/问答题 (1) 为什么要将频谱的中心移动到画面的中心？如果不做这样的移动会有如何结果？ fftshift只是将fft2的结果移了下位，ff

24、t2的左下部分和右上部分对调，左上部分和右下部分对调，结果fft2的零频移到fft2得到矩阵的中心，这时可以看到中心一个亮点，要不然零频就分布在矩阵的四个角，中间一片黑(2) 用离散余弦反变换(IDCT)对图像进行重建时，当使用的频率成分减少时图像中的那些性质受到影响？为什么？ 图像的分辨率会收到影响，如上图汇中t=20时所示，图像明显变得模糊，因为丢失掉的频率成分重建后相当于丢失部分像素点。实验5 图像的滤波 1 实验目的 进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理。使学生有机会掌握滤波算法，体会滤波效果，了解几种不同滤波方式的使用和使用的场合。2 实验要求 学生

25、应当了解理想滤波器的滤波效果；完成对于给定图像加入噪声；设计指定的滤波模板；比较空间滤波器和2-D卷积算法的区别；使用移动平均滤波器中值滤波器；对不同强度的高斯噪声和椒盐噪声进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。 3 实验内容与步骤 (1) 理想低通和高通滤波器 a) 调入并显示 blood.gif 图像 b) 利用本实验指导书所附带的 idllowpass.m 函数，对上述图像进行处理并观察不同滤波半径 (0.01.0) 条件下低通滤波图像的变化 c) 利用高通滤波器与低通滤波器的关系自行通过原始图像和滤波后的低通图像计算得到理想高通滤波器的处理结果 d) 观察

26、不同滤波半径 (0.01.0) 条件下高通滤波图像的变化 (2) 预定义空间滤波器 a) 调入并显示图像 shuttle.gif b) 利用预定义函数 fspecial 命令产生移动平均(average) 滤波器和自行定义的高通滤波器(注意与标准HPF的不同之处) 以及浮雕滤波器 对图像进行处理并观察处理结果 c) 对浮雕滤波器的输出进行反转处理使之便于观察 d) 修改移动平均滤波器的平均范围观察不同平均范围下移动平均滤波的结果 (3) 空间滤波和2-D卷积的比较 a) 调入并显示图像 shuttle.gif b) 利用预定义函数 fspecial 命令产生高通滤波器 c) 分别用空间滤波函数

27、 filter2 和2-D卷积函数 conv2 对图像进行处理并观察处理结果 d) 对调 filter2 和2-D卷积函数 conv2 的参数中模板和图像的位置然后对图像进行处理并观察滤波的结果 e) 在 filter2 和2-D卷积函数 conv2 的参数中选用 full 参数或者不选用该参数对图像进行处理并观察处理结果 (4) 用空间滤波器进行降噪处理 a) 调入并显示图像 sat.gif b) 利用 imnoise 命令在图像 sat.gif 上加入高斯(gaussian) 噪声和椒盐噪声(salt & pepper) c) 分别用移动平滑滤波器以及中值滤波器对加入噪声的图像进行处理，并

28、观察不同噪声水平下上述滤波器处理的结果 4 实验结果(1)读入图像并调用滤波函数 i = imread(blood.gif); idllowpass(i,0.3)由图可知，滤波后图像的FFT对数谱范围基本与滤波器频谱一致，滤波范围外全部置零，得到很好的滤波效果，而且随着滤波半径的增大，得到的图像显示范围越大。(2)预定空间滤波器i = imread(shuttle.gif);figure(1);imshow(i); Hhp = -1 -1 -1;-1 9 -1;-1 -1 -1;Heb = -1 0 0;0 0 0;0 0 -1; %浮雕滤波器模板J = filter2(Hhp,i); %自定

29、义高通滤波figure(2);imshow(J);title(高通滤波) J1 = filter2(Heb,i);figure(3);imshow(uint8(-J1); %浮雕滤波title(浮雕滤波)H = fspecial(average,3);J2 = filter2(H,i);figure(4);imshow(uint8(J2);title(平均滤波 n=3) 由图发现，平均滤波范围越大，图像越模糊。(3) 空间滤波和2-D卷积的比较有full参数下的结果：可见conv2卷积后相当于是高通滤波与原图像的叠加，既含有图像内容又包含高通滤波图像中的轮廓。(4)用空间滤波器降噪整个程序代码

30、如下i = imread(sat.gif);j = imnoise(i,gaussian,0,0.02);figure(1);imshow(j);title(加椒盐噪声m= 0,v=0.02); j1 = imnoise(i,salt & pepper,0.02);%j1 = imnoise(i,salt & pepper,0.05)figure;imshow(j1);title(加椒盐噪声=0.02);%title(加椒盐噪声d=0.05); j2 = fftshift(i);figure(3);imshow(j2);title(移动平滑滤波器处理高斯噪声); j3 = fftshift(j

31、1);figure(4);imshow(j3);title(移动平滑滤波器处理椒盐噪声); k = medfilt2(i);figure;imshow(k);title(中值滤波处理高斯噪声); k1 = medfilt2(j1);figure;imshow(k1);title(中值滤波处理椒盐噪声);平滑移动滤波得到的图像当 j = imnoise(i,gaussian,0,0.02); j1 = imnoise(i,salt & pepper,0.02);得到中值滤波处理由图可知中值滤波处理高斯以及教椒盐噪声效果更好，且所得处理图像很清晰。由上图可知5 思考题/问答题 (1) 为什么将空间

32、滤波函数filter2的参数中将模板和图像对调可能出现输出图像颠倒或尺寸变化，而2-D卷积函数conv2中进行类似的对调则不会出现这样的变化？ 答：filter2（h,i）是用h中矩阵来过滤i中的数据，参数之间有明确的先后顺序，而conv2具有卷积的交换律的性质，故对调参数结果不会发生变化。(2) 理想滤波器的滤波结果有什么特点？为什么？噪声基本清清除，所得图像比较清晰，但是会有些个别的点会被过滤噪声失真。(3) 中值滤波器适用于处理什么样的噪声？为什么？由图可知，中值滤波适合处理椒盐噪声，因为椒盐噪声是0或者1，不存在灰度过度值，中值处理能很好过滤这种极化的点的灰度。实验6 图像的恢复1 实

33、验目的 使用 MatLab 软件完成一些典型的图像恢复算法。使学生具有初步的处理图像恢复问题的能力。通过实验体会图像恢复的效果，了解几种典型图像恢复方法的适用场合及特点。 2 实验要求 对于无噪声条件下的模糊化图像进行直接反滤波、改进的反滤波；对于模糊化图像加入不同水平的噪声，再用上述两种方法进行恢复。3 实验内容与步骤 (1) 退化图像的反滤波恢复 (a)调入并显示图像 girl.gif ； (b)使用Gaussian滤波器(标准差为2, 模板尺寸为20)进行模糊化，并显示模糊化的结果及其频谱； (c)对模糊化函数进行FFT，显示其频谱； (d)根据模糊化函数的频谱构建“反向滤波器”，并显示其频谱； (e)用反向滤波器进行图像恢复，显示恢复的结果及其频谱； (f)给模糊化的图像加上高斯噪声，显示加噪声后的模糊化的结果； (g)使用反滤波方法对加噪声的模糊化图像进行恢复，并显示恢复的结果； (h)适当调整噪声幅度，观察反向滤波器所能够容忍的噪声幅度有多大。(2) 退化图像的有限反滤波恢复 重复(1)中的各个步骤，但所使用的恢复滤波器为有限反向滤波器： 注意改变阈值 T 观察其抗噪声能力和恢复效果的变化。 4 (1) 退化图像的反滤波