河南科技大学毕业设计（论文） 基础，利用隶属度来解决图像分割中由于信息不全面、不准确、含糊、矛盾等造成的不确定性问题，该方法在医学图像分析中有广泛的应用。基于小波分析和变换的分割方法是借助新出现的数学工具小波变换来分割图像的一种方法，也是现在非常新的一种方法。小波变换是一种多尺度多通道分析工具，比较适合对图像进行多尺度的边缘检测[]，例如可利用高斯函数的一阶和二阶导数作为小波函数，利用Mallat算法分解小波，然后基于马尔算子进行多尺度边缘检测，这里小波分解的级数可以控制观察距离的“调焦”。而改变高斯函数的标准差可选择所检测边缘的细节程度。小波变换的计算复杂度较低，抗噪声能力较强。理论证明以零点为对称点的对称二进小波适合检测屋顶状边缘，而以零点为反对称点的反对称二进小波适合检测阶跃状边缘。近年来多通道小波也开始用于边缘检测[]。另外，利用正交小波基的小波变换也可提取多尺度边缘，并可通过对图像奇异度[]的计算和估计来区分一些边缘的类型。基于遗传算法的分割方法的基本思想是利用遗传算法具有能是一种迭代式优化算法并具有全局搜索能力的优点，来帮助确定分割阈值。
§1.3 论文的内容与结构安排
本文的内容分为六章，具体的章节安排如下：
第一章 绪论：介绍医学图像分割的研究意义、起源与发展；概括介绍了图像分割的分类、层次及步骤；并对图像分割的研究现状做了概述。
第二章 图像增强技术：介绍了图像平滑与灰度调整等图像增强操作技术的定义、原理、算法。分析了在本系统中应用此操作的优势所在。
第三章 基于直方图的小波变换应用：前一部分先简单介绍了小波在滤波方面的一些概念及算法，然后重点比较分析所选用的小波滤波的原因及效果。后一部分先简单介绍了多层小波分解及重构分量的原理与算法，然后针对图像进行多层的小波分解操作，比较不同层次重构近似分量的效果，选取一个合适的近似分量为下一步准确选取多个阈值提供方便。
第四章 图像阈值分割技术：首先对图像分割的理论作简要叙述；其次介绍了简易的阈值分割算法——二值化的原理与算法，然后重点介绍本系统所采用的多阈值分割算法的原理与算法。最后将两种算法应用后的效果作对比分析，得出本系统的优势所在。
第五章 医学图像分割系统设计：这部分详细地介绍了具体的设计过程，包括
6
河南科技大学毕业设计（论文） 设计思路、设计框图、具体模块的设计和编程，还有在MATLAB上仿真用的GUI界面，最后给出实验仿真结果。
第六章 结论：重点对本次设计进行总结，并进一步展望该课题的研究前景。
7
河南科技大学毕业设计（论文） 第二章 图像增强技术
由于光线等成像条件的影响，得到的图片往往信息微弱，无法辨识，需要进行增强处理。增强的目的，在于提供一个满足一定要求的图像，或对图像进行变换，以进行分析。
§2.1 图像平滑
一般，实际获得的图像在形成、传输、接收和处理的过程中，不可避免地存在着外部干扰和内部干扰，如光电转换过程中敏感元件灵敏度的不均匀性，数字化过程的量化噪声，传输过程中的误差以及人为因素等，均会使图像变质。噪声使原本均匀和连续变化的灰度突然变大或减小，形成一些虚假的物体边缘或轮廓，使得图像的后续处理容易引入误差。因此，去除噪声，恢复原始图像是图像处理中的一个重要内容。从而，图像滤波是数字图像处理过程中，最经常使用也是最重要的处理过程。
噪声主要来自下面三个方面： (1)胶片颗粒噪声； (2)电子噪声； (3)光电噪声。
图像在生成和传输过程中受到这些噪声的干扰和影响，使图像处理结果变差。因此，抑制或消除这些噪声从而改善图像质量，在图像处理过程中是一个重要的预处理，也称为对图像的平滑滤波过程。
§2.1.1 中值滤波原理
中值滤波是一种非线性滤波技术，由于实际计算过程中并不需要图像的统计特性，所以比较方便。它是基于图像的这样的一种特性：噪声往往以孤立的点的形式出现，这些点对应的像素数很少，而图像则是由像素数较多、面积较大的小块构成。在一定条件下，克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像的扫描噪声最为有效。中值滤波的目的是保护图像边缘的同时去除噪声。
在一维的情况下，中值滤波器是一个含有奇数个像素的窗口，在处理之后，
8
河南科技大学毕业设计（论文） 将窗口正中的像素灰度值用窗口内各像素灰度值的中值来代替。设有一个维序列f1，f2，?，fn，取窗口长度为奇数m，对此序列进行中值滤波，就是从输入序列中相续抽出m个数，fi-v，?fi，?fi+v，其中为窗口的中心值v=(m-1)／2，再将这m个点的数值按其数值大小排列，取其序号为正中间的那个数作为滤波输出。中值滤波表达式为：
Fi?Med?fi?v,?,fi,?,fi?v?
对数字图像进行中值滤波，实质是对二维序列{Xi,j}的中值滤波，滤波窗口也是二维的，但这种二维窗口可以有各种不同的形状，如线状、方形、圆形等。二维中值滤波可表示为：
Fi,j?Med?xi,j??Medxi?r,j?r,(r,s)?A(i,j)?I2
A?? 在对图像进行中值滤波时，如果窗口是关于中心点对称，并且包含中心点在内，则中值滤波能保持任意方向的跳变边缘。在实际使用中窗口的尺寸一般先选用3再选5，逐渐增大，直到滤波效果满意为止。
§2.1.2 中值滤波主要特性
一、对某些输出信号中值滤波的不变性
对某些特定的输入信号，如在窗口2n+l内单调增加或单调减少的序列，中值滤波输出信号仍保持输入信号不变。即：
二、中值滤波去噪声性能
中值滤波可以用来减弱随机千扰和脉冲干扰。由于某中值滤波是非线性，因此对随机输入信号数学分析比较复杂。中值滤波的输出与输入噪声的概率密度分布有关，而邻域平均法的输出与输入分布无关。中值滤波在抑制随机噪声上要比邻域平均法差一些，而对脉冲干扰(特别是脉冲宽度小于m／2且相距较远的窄脉冲干扰)，中值滤波是非常有效。 三、中值滤波的频谱特性
由于中值滤波是非线性运算，在输入和输出之间的频率上不存在一一对应关系，故不能用一般线性滤波器频率特性的研究方法。设G为输入信号频谱，F为输
9
河南科技大学毕业设计（论文） 出信号频谱，定义H=
G为中值滤波器的频率响应特性，实现表明H是与G有关，FH起伏不大，其均值比较平坦，可以认为信号经中值滤波后，频谱基本不变。
§2.1.3 平滑效果分析
图2-1a和2-1b所示的是图像中值滤波前后的效果比较，其中图2-1a是含有噪声的原图，图2-1b是用中值滤波处理后的图像，滤波窗口为3×3，可见，中值滤波后的图像不仅滤去了椒盐类噪声,而且边缘得到了较好的保护。
(a)带噪声图像 (b)消噪后图像
图2-1 带噪声图像与中值滤波的比较
§2.2 灰度调整
在成像过程中,扫描系统、光电转换系统中的很多的因素，如光照强弱、感光部件灵敏度、光学系统不均匀性、元器件特性不稳定等均可造成图像亮度分布的不均匀，导致某些部分亮，某些部分暗。灰度调整就是在图像采集系统中对图像像素进行修正，使整幅图像成像均匀。
§2.2.1 灰度调整原理
灰度调整可使图像动态范围增大，图像对比度扩展，图像变清晰，特征明显，是图像增强的重要手段之一。因本文所采用的是基于线性变换的灰度调整算法，在此只对线性变换原理作以说明。
10