基于Matlab的X线医学图像增强与直方图处理方法

1、基于Matlab的X线医学图像增强与直方图处理方法【关键词】平衡化；规定化；算法；atlab；图像增强Xrayedialiageenhaneentandhistgrapressingethdsbasednatlab【Abstrat】AI:Tiprvethequalityfedialiagebyenhaningthelntrastdetails.ETHDS:Tpressingethds,thegraylevelhistgraequalizatinandthegraylevelhistgraregulatin,ereappliedtenhaneanXrayiageandthEirenhaneent

2、effetsereparedbyusingatlabtlbxfuntins.RESULTS:Bytheteansfalgrithhistgraequalizatinrregulatin,thedensegrayleveldistributinftheriginaliagebeaesparse,andtheutputiageasrefined.Theregulatinethdstrengthenedthediffiultlybserveddetails,hiletheequalizatinethdiprvedlessthelaldetailsfiage.NLUSIN:atlabtlbxishel

3、pfulfrsiplifyingtheprgraingandprvidesaplatfrfredialiagepressing.Theregulatinethdisbetterthantheequalizatinethdinpresentingthelaldetailsfedialiages.【Keyrds】equalizatin;regulatin;algriths;atlab;iageenhaneent【摘要】目的：改善医学图像质量，使低比照度的图像得到增强.方法:利用atlab工具箱函数，采用灰度直方图平衡化和灰度直方图规定化的方法对一幅X线图像进展增强处理，并比拟它们的增强效果.结果:

4、用直方图平衡化和规定化的算法，将原始图像密集的灰度分布变得比拟稀疏,处理后的图像视觉效果得以改善.直方图平衡化对于部分细节增强不显著，而直方图规定化那么使不易观察到的细节变得明晰.结论:使用atlab工具箱大大简化了编程工作，为医学图像处理提供了一种技术平台.直方图规定化法处理医学图像部分细节方面好于平衡化.【关键词】平衡化；规定化；算法；atlab；图像增强0引言根据国内外的相关文献，研究和开展图像处理工具，改善医学图像质量是当今研究的热点1-2.图像增强就是一种根本的图像处理技术，增强的目的是对图像进展加工，以得到对医务工作者来说视觉效果更“好更易于诊断的图像.图像增强根据图像的模糊情况采

5、用了各种特殊的技术突出图像整体或部分特征，常用的图像增强技术有灰度变换、直方图处理、平滑滤波高斯平滑，中值滤波、剃度增强、拉普拉斯增强以及频率域的高通低通滤波等，这些算法运算量大、算术复杂、处理速度低.针对这些问题，我们可以在atlab环境中，利用atlab提供的图像处理工具箱，简单快捷地得到统计数据，同时又可得到直观图示.其中，atlab工具箱中包括的图像处理函数涵盖了近期研究成果在内几乎所有的技术方法，都是由该领域内学术程度很高的专家编写的，功能强大，集成在一个便于用户使用的交互式环境之中，是易学、易用、高效的应用工具箱.1材料和方法1.1材料所用图像从百度(.baidu.)中下载某液气胸

6、患者胸片，在indsXP环境下用atlab6.5软件(athrks公司)进展处理.对患者诊断时需理解肺脏萎缩的程度，肺内病变情况以及有无胸膜粘连、胸腔积液和纵隔移位等，由于原图表现出低比照度，使图像中较暗细节看不清楚，采用增强处理可使原图灰度集中的区域拉开或使灰度分布均匀，从而增大反差，使图像细节明晰.1.2方法1.2.1图像的预处理先判断图像的格式，由于获取的图片为真彩色图像，既RGB图像，那么可用rgb2gray()函数转为灰度图像.根据计算机的硬件条件将图像的尺寸适当缩小，因为医学图像的数据很大，给图像处理带来很大的挑战，为了减少运算量同时加快程序的执行速度，利用iresize()在保持

7、长度比不变的前提下把数据集整体缩小到原来的3/43.1.2.2直方图平衡化histgraequalizatin直方图平衡化是利用直方图的统计数据进展直方图的修改，能有效的处理原始图象的直方图分布情况，使各灰度级具有均匀的概率分布，通过调整图像灰度值的动态范围，自动地增加整个图像的比照度，以致图像具有较大的反差，大部分细节比拟明晰.传统算法根据直方图增强技术理论：设原始图像在x,y处的灰度为f,而改变后的图像为g,对于离散图像，那么对图像增强的方法为：g=EH(f).EH(f)为映射函数，必须满足两个条件其中图象的象素总数为n，分L个灰度等级：EHf在0fL-1范围内是一个单值单增函数；对于0f

8、L-1有0gL-1.那么直方图平衡化法的映射函数为：gk=EH(fk)=ki=0niN=kI=0pf(fi)(k=0,1,2,L-1)0fk1根据该方程可以由原图像的各象素灰度值直接得到直方图平衡化后各象素的灰度值5.由于算术计算过程复杂，本文利用ATLAB的Iagetlbx工具箱中直方图平衡化histeq()函数同样可以实现对图像的增强，iread()函数用于读入各种图像文件，ish()函数用于显示图像,ihist()函数用于显示直方图.在andind窗口执行如下命令:lear,lseallQ=ireadD:/zhang.jpg);=rgb2gray(Q);I=iresize(,0.75);

9、J=histeq(I);ish(I);figure,ish(J);figure,ihist(I);figure,ihist(J);1.2.3直方图规定化(histgraregulatin)临床诊断中很多情况下对部分组织细节感兴趣，直方图规定化可以根据实际需要6灵敏地选择某个灰度值范围，增强该灰度值范围内的比照度，使直方图成为某个特定形状，可获得比直方图平衡化更好的效果.传统算法如下：同平衡化方法，先对原始图像平衡化：gk=EHf(fi)=ki=0pf(fi)(k=0,1,-1)这里设和N分别为原始图和规定图中的灰度级数，且只考虑N的情况.规定需要的直方图，并计算能使规定的直方图平衡化的变换：V

10、l=EHu(uj)=lj=0pu(uj)(l=0,1,N-1)将第一个步骤得到的变换反转过来，即将所有pf(fi)对应到pu(uj)中，也就是将原始直方图对应映射到规定的直方图.实际上是以平衡化为桥梁，选取适当的某个灰度值范围内的比照度5.这个过程在ATLAB中这样实现，接着刚刚程序运行如下代码:hgra=0:255=histeqI,hgra);figure,ish();figure,ihist()其中hgra是由自己指定的矢量,规定将原始图像的直方图变换成hgra,hgra中的每个元素都在0,255之间.2结果用本文算法对医学图像进展的增强实验，得到处理后图像图1.经图像预处理后，显示结果为

11、：原图像真彩色是6008003的矩阵，大小为1.44；转为灰度图像后是600800的矩阵,大小为0.48；缩小后的图像是450600的矩阵，大小为0.27.由此可见矩阵是大大缩小了，转为可以处理的二维灰度图像(图1A1).原图1A1看到图像模糊不清,动态范围小,整个图像呈现低比照度，在图1A2上反映为图像灰度范围狭窄.直方图平衡化的结果使整图比照度明显增强,但它的详细增强效果不易控制,在一些较暗的区域有些细节仍不太清楚,比方在图1B1看到被压缩的胸膜脏层与肋骨重叠，周围的细节比拟模糊.直方图规定化后图11看起来更自然，视觉效果要好，容易看出边缘有脏层胸膜形成的纤细的致密影,在左侧胸腔外侧壁为一

12、包裹性胸积液，其阴影上部有透亮的气体影及液平，而不和其他胸膜腔相通，患侧肺受不同程度的压缩，纵隔向健侧移位.规定化直方图图12跟平衡化直方图图1B2相比拟:规定化的灰度级得到足够拉伸,而且充分利用了整个灰度区间内的几乎每一个灰度值来表现图像的细节，从直方图12上可以看出高灰度频数较密集,所以变换的结果比平衡化中较暗区域的一些细节更为明晰，到达了对图像细节进展增强的目的.3讨论实验结果说明，传统的直方图算法根据灰度直方图的定义，推导出直方图灰度变换函数，通过变换函数控制图像在灰度级的概率密度分布而改变图像的外貌，其算法需要大量的数学运算，处理复杂、速度图1图像处理前后变化略慢，利用ATLAB工具

13、箱函数，可以方便快捷地实现对图像的增强，速度明显优于传统算法；同时，直方图规定化后图像的视觉效果好于平衡化.直方图平衡化的缺点是：变换后图像的灰度级减少,某些细节消失；某些图像,如直方图有顶峰,经处理后比照度不自然的过分增强.相比于直方图平衡化,直方图规定化是需要变换直方图使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的比照度,使需要变换的细节更明晰7-8，如当需要确定某个病灶的大小和形状时,用直方图规定法可以明晰地理解病灶周边的环境.我们认为，通过对一副图像的直方图处理可以显著的增强图像，用直方图处理方法，大大简化了编程工作和数据计算，为医学图像处理提供了一种技术平台，不仅对医学图

14、像的分析和诊断有着重要意义，而且对其他图像的增强也有一定的参考价值.【参考文献】1KiJ.EffetsfXrayandTiageenhaneentsntherbustnessandaurayfarigid3D/2DiageregistratinJ.edPhys,2022,32(4):866-873.2EilersPH.EnhaningsatterpltsithstheddensitiesJ.Biinfratis,2022,20(5):623-628.3ler.Usingatlabgraphis.6thed.TheathrksIn,2002:102-198.4JensenJA,Hl,JensenLJ,etal.UltrasundresearhsannerfrrealtiesynthetiaperturedataaquisitinJ.IEEETransUltrasnFerrelFreqntrl,2022,52(5):881-891.5章毓晋.图像工程(上册).北京:清华大学出版社,1999:72-98.6StarkJA.AdaptiveiagentrastenhaneentusinggeneralizatinsfhistgraequalizatinJ.IEEETransIagePr,2000