生物医学工程是建立在现代高科技基础上的新兴交叉学科

图像处理技术是把经过数学变换后得到数字图像信息再由计算机进行编码增强复助计算机图像处理与分析计算机图形学虚拟现实和计算机网络等技术的医学影像与处理一直是国内外研究与应用的热点跃的领域。生物医学工程是建立在现代高科技基础上的新兴交叉学科涉及现代图像技术信号处理计算机视觉医学成像人工智能等学科数字图像处理和模式识别等技术在生物医学领域得到广泛的应用，如病理切片图像X射线透视图像和I、核医学影像、红外线热成像图像等。其中在染色体分析、血细胞自动分类、胸部X光照片的鉴别、眼睛虹膜和指纹识别等生物识别技术方面都开展了卓有成效的研究工作。医学图像的获取和预处理往采用各种图像变换的方法，如傅里叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理叶变换可在频域中进行数字滤波处理。目前新兴研究的小波变换在时域和频域中有良好的局部化特性，它在图像处理中也有广泛而有效的应用。图像编码压缩：图像编码压缩技术可减少描述图像数据量（即比特数，以便节省图像传输也可以在允许的失真条件下进行编码是压缩技术中最重要的方法它在图像处理技术中是发展最早且比较成熟的技术。图像增强和复原图像增强和复原的目的是为了提高图像的质量如去除噪声提高图像的清晰度等高频分量可是图像中物体轮廓清晰图像复原要求图图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型，再采取某种滤波方法，恢复或重建原来的图像。图像分割图像分割是数字图像处理中的关键技术之一特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础虽然目前研究出不少的边缘提取用于各种图像的有效方法因此研究的热点之一。图像描述图像描述是图像识别和理解的必要前提何特性描述物体的特性一般图像的描述方法采用二维形状描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述研究，提出来体积描述、表面描述、广义圆柱体描述等方法。图像分类（识别：图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某类采用经典的模式识别方法有统计模式分类和句（结构模式分类今年来新发起来的模糊识别和人工神经网络模式分类在图像识别中也越来越受到重视。数字图像处理在生物医学工程方面的应用示范广泛而且很有成效比如对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等。此外，在X光肺部图像增晰超声波图像处理图像处理技术。医生在对病人进行诊断和治疗的过程中，第一步要做的是取足够的有关病人状态的信息血压心率验血从信息量的角度来看一帧人像为例对于熟识的人只要一看就知道是谁幅很多，也难以使熟悉的人知道所描述的是谁（除非被描述的人有明显的特征的技术医学图像处理。医学图像的成像原理和获取获得图像的方法是：许多带有图像的文件都是以模拟图像如35mm幻灯片、透射片或反射片要获得一个数字图像必须将图像中的像素转换数字信息和加工将模拟图像转换成数字图像的工作出或反射的光依次记录光点的数值并产生一个彩色或黑白的数字拷贝形或记录磁带等一旦图像被转换成数字文件计算机上。医学图像成像中的第一步是用某种能量通过人体，与人体相互作用后对该能量进行测于进，出现了T速T率T旋T得技术在临床的许多领域得到应用，提高了诊断的准确度和可信度。成像基本原理1设备的主要结构X检测设备主要由以下几个部分组成：（）射线源及相应的高压发生器和电气控制器；（）准知器，控制X射线束的张角和厚度；（）射线探测器，其中包括：）小电离室气体受X线照射发生电离，导电性改变；b）固态探测器，由固态闪烁晶体将X射线转变为可见光；4除射线中穿透能力差得低能部分，厚度不均匀的过滤器可以补偿人体的不均匀厚度，从而可以减少对患者的照射量；5）计算机系统，负责对X射线源及扫描装置的控制，采集投影数据，重建断层图像的成像过程成像要求X线从上万个方向穿过人体并获得其衰减的数据用图像重建算法重建出人体一个截面图像。用多个平行截面的T图像可以重建出3D的图像T成像大致分为以下几个阶段：（）扫描阶段形X射线束投射穿过人体一个预成像的恻断面（层面到身体断面的完整图像，而只能从某个方向“看”到断面像。剖面像上的数据就是从射线管发出的，穿过人体延伸到达各个探测器的各X射线测定为了获得足够的信息以产生完整的图像射线束必须围绕身体断面旋转（扫描便从各个角度测试一般要进行数百次测试储器中。每次扫描过程中进行的穿透测量的总次数等于测试次数和每次测试的射线数的乘积。每个层面的总扫描时间约为s选择。一般来说，采用较长的扫描时间可以使图像质量得到改善。（）图像重建阶段图像重建是把各次扫描测试的扫描数据转换为数字图像的数学过程的像素矩阵构成的个T值来表示每个像素的具体值是用于每个像素中组织的线性衰减系数有关的数值表示的从原则上来说减系数，然后将其转换为一个合适的图像像素值。这种像素值称为T值本文采用的T图像来自于对人体下颌骨和两类牙齿的扫描，规格为906*90（单位：像素像素。图2是从扫描的图像中任意选取的两张。图2始T扫描图像影像经过图像重建重建出一幅幅断层图像医学图像的预处理图像是信息的可视化的重要手段疗的信息。但是从扫描设备处理的原始图像由于手段成像设备和获取条件等多种因素的影响可能出现图像质量的退化甚至伪迹因此用计算机对医学图像做后处理首要任务就是度获取的医学图像进行增强信噪比等的预处理区域或边界从而为进一步分析和计算奠定基础医学图像的对比增强所谓图像的对比增强实际上要完成的工作是通过将画面上重要的内容增强突出将不重要的内容进行抑制，以达到改善画面质量的效果。以对比度作为分析图像质量的依据面清晰度高，层次感强。对比度计算公司如下除此之外，还有一种直方图法。根据直方图提供的信息可以初步判断一幅图像的质量，这是我们对图像进行处理的前提。在此不多讲解。医学图像噪声的抑制图像噪声可以理解为妨碍人的视觉感知理解或分析的各种因素也可以理解成真实信号与理想信号直接存在的偏差类：、噪声的幅值基本相同，但噪声出现的位置是随机的2但噪声的幅值是随机分布的。对滤波处理所追求的目标有两条最大限度地保持信号不受损失不能损害图像轮廓等；同时尽可能多地滤除噪声是图像清晰图像滤波技术通常有两类方法空间域法和频率域法。以下主要介绍空间域中的滤波技术：均值滤波法，所谓均值滤波实际上就是用加权均值代替原图像中的各个像素值。中值滤波法它的基本思想是所覆盖的像素的灰度按大小进行排序处在灰度序列中间的那个灰度值称为中值用它代替窗口中心所对应的像素灰度对于奇数个元素中值是指按大小排序后的中间数值对于偶数个元素，中值是指排序后中间两个元素的灰度值的平均值。医学图像锐化处理图像锐化处理主要目的是突出图像中的细节或者增强被模糊了的细节图像的锐化被用物体边界的检测与提取。图像中的细节是指画面中的灰度变化情况，反映数据变化的数学手段可以采用微分算子，通过一阶微分或二阶微分都可以进行细节的增强与检测。下面详细介绍二阶微分算子。二阶微分有着比一阶微分更加敏感的特性，它提取的细节较一阶微分算子提取的细节多一个二维图像f(x,y)的拉普拉斯微分算子定义为：经过一系列的变换写成图像处理预算膜拜形式有如下所示的两个变形的拉普拉斯算子：由于拉普拉斯算子是一种微分算子换区域这将产生一幅把图像中的浅灰色边线和突变点叠加到暗背景中的图像像和拉普拉斯图像叠加在一起的简单方法可以保护拉普拉斯锐化处理的效果同时又能恢复背景信息与原图像相比更加清晰图3是经对比增强的医学图像进行噪声抑制和锐化处理的结果图：图3医学图像噪声抑制和锐化处理图像分割和提取图像分割的目的是把图像空间分成一些有意义的区域并提取感兴趣的技术和过程为了辨识和分析目标需要将它们分离提取处理理解。从分割依据角度来看，图像分割方法可分为相似性分割和非连续性分割。边缘检测边缘检测室所有基于边界分割方法的最基本处理图像边界是图像的最基本特征的边界部分集中了图像大部分信息非常重要的。物体边界是以图像局部特征不连续形式出现的，也就是图像局部亮度变化最显著的部分图像边界有方向和幅度两个特性根据灰度变化常见的边界可分为阶跃型凸缘型。边缘检测方法由于图像物体中边界表现为灰度变化界。边缘检测方法主要有以下几种。第一种是空域微分算子，也就是传统的边缘检测方法。第二种是拟合曲面。拟合曲面是一种比较直观的方法。第三种是小波多尺度边缘检测。在使用一阶导数的边缘检测算子时可以采用图像锐化中的求取边界阶导数高于某一阈值，则可确定该点为边界点当图像灰度级为256时，上述公式为：这种方法将明显和背景分别用灰度级0和255表示，从而生成二值图像基于区域的分割分割的目的是图像划分为不同的区域。区域生长作为区域分割的方法最基本的就是区域生长方法区域生长是一种受计算机视觉领域十分关注的图像分割方法图像灰度阈值分割技术没有考虑图像像素之间的连通性而区域生长则将在考虑区域的连通性的情况下，进行图像分割。下面以灰度为特征进行简单区域生长的步骤。对于图像进行光栅扫描找出尚没有归属的像素当寻找找不到这样的像素时结束操作。把这个像素灰度同其周围（4-邻域8-邻域）不属于任何一个区域的像素进行比较，若灰度差值小于某一阈值，则将它作为同一区域加以合并，并对合并的像素赋予标记从新合并的像素开始，反复进行2）操作反复进行（2（3）的操作，直到区域不能再合并为止返回（1）操作，寻找能作为新区域出发点的像素。这种方法简单，但如果区域之间的边界灰度变化很平缓或边界交于一点。如图4所示，两个区域会合并起来为消除这点在步骤2中不是比较相邻像素灰度而是比较已存在区域的像素灰度平均值与该区值得像素灰度值。图3 边界对区域扩张的影响区域分裂与合并区域生长过程是从一组生长点开始可作为替换的方法是在开始时将图像