医学图像处理第二章数字图像基础.ppt

《医学图像处理第二章数字图像基础.ppt》由会员分享，可在线阅读，更多相关《医学图像处理第二章数字图像基础.ppt（54页珍藏版）》请在三一办公上搜索。

1、一个人最重要的是思想，每个人思想不同，因此人与人也各不相同。如果我了解你的思想，那我就能知道你是什么样的人；如果想要改变自己的人生，那首先就要改变自己的思想。戴尔卡耐基,教学基本要求：2.1视觉感知要素；2.2图像感知和获取；2.3图像取样和量化；2.4像素间的一些基本关系；,*,教学基本要求：2.1视觉感知要素；2.2图像感知和获取；2.3图像取样和量化；2.4像素间的一些基本关系；,*,眼睛的形状近似于一个圆球，平均直径大约20mm有三层膜包围着眼睛虹膜：2mm8mm，其作用是控制入光量视网膜：图像视觉，表面的光接收器分为两类，即锥状体和杆状体。锥状体数目600万 700万，负责颜色和细节

2、识别，锥状视觉又称白昼视觉；杆状体数目约7500万15000万，无彩色感觉，称夜视觉。可把中央凹看作一个1.5 mm1.5mm的方形传感器阵列。,*,眼睛的晶状体和普通光学透镜之间的主要差别在于前者的适应性强。当晶状体的折射能力由最小变到最大时，晶状体的聚焦中心与视网膜间的距离由17mm缩小到14mm，因此可以很容易计算出图像在视网膜成像的大小。(P29),*,2.55mm,人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：“马赫带，Mach Band”（P32）,*,人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：瞬时对比现象(P32),*,人眼的主观亮度并非简单的光强函数，下

3、面是一些有趣的例子：视觉错觉(P33),*,人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：视觉错觉,*,人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：视觉错觉,*,人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：视觉错觉,*,人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：视觉错觉,*,人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：视觉错觉栅格火花错觉,*,人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：视觉错觉,*,人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：视觉错觉埃斯切尔的不可能的盒子,*,教学基本要求：2.1视觉感知要素

4、；2.2图像感知和获取；2.3图像取样和量化；2.4像素间的一些基本关系；,*,*,*,传感器原理：通过对特殊类型检测能源敏感的传感器材料将输入量转变为电压，传感器的响应是输出电压波形。三种主要传感器装置单元成像传感器：用单个传感器获取场景成像；线成像传感器：用带状传感器获取场景成像；阵列成像传感器：用传感器阵列获取场景成像,*,单元成像传感器：如光敏二级管通过x-y方向二维运动来得到二维图像。(P37),*,线成像传感器：如平板扫描仪线性移动每增加一个单位输出一个图像行；只需一维运动就能得到二维图像。(P38),*,阵列成像传感器：如CCD（Charge-coupled Device，电荷耦

5、合元件）图像传感器。不需要运动就能形成图像。,教学基本要求：2.1视觉感知要素；2.2图像感知和获取；2.3图像取样和量化；2.4像素间的一些基本关系；,*,图像数字化：将模拟图像经过离散化之后，得到用数字表示的图像。图像的数字化包括采样和量化两个过程。采样：是将在空间上连续的图像转换成离散的采样点（即像素）集的操作。即：空间坐标的离散化。量化：把采样后所得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。即：灰度的离散化。,*,*,*,采样：Sampling，实际上采样方式由产生图像的传感器装置决定：P40量化：Quantization，由灰度级决定,*,采样和量化的结果是一个实际矩

6、阵。一幅有M行和N列的数字图像表示如下：离散坐标用整数表示，原点的坐标值是（0,0）,*,*,数字图像的质量在很大程序上取决于采样和量化中所用的采样数和灰度级。空间分辨率是图像中可辨别的最小细节，采样值是决定一幅图像空间分辨率的主要参数。灰度分辨率指在灰度级别中可分辨的最小变化，由量化的等级决定，灰度级通常是2的整数次冥。通常把大小为M N，灰度为L级的数字图像称为空间分辨率为M N像素、灰度级分辨率为L级的数字图像。,*,*,1024*1024,512*512,256*256,128*128,64,32,1024*1024,512*512,256*256,128*128,64*64,32*3

7、2,小结：从上面的图中我们可以看出，在图像尺寸不变的情况下，空间分辨率高的图像比空间分辨率低的图像包含的像素多，像素点较小，因而图像更清晰。如果图像出现棋盘格则说明采样数目不够。,*,*,*,256灰度级,16灰度级,8灰度级,4灰度级,小结：从上面的图中我们可以看出，在空间分辨率不变的情况下，灰度级高的图像比灰度级低的图像质量更好。如果图像出现伪轮廓则说明灰度级数不够。,*,当限定数字图像的大小时,为了得到质量较好的图像，一般可采用如下原则：对缓变的图像，应该细量化，粗采样，以避免假轮廓。对细节丰富的图像，应细采样，粗量化，以避免模糊。,*,放大过采样步骤一：创立新的像素位置（在原图像上放一

8、个虚构的栅格）步骤二：对新位置赋灰度值（两种最常用的插值方法：最近邻域插值、双线性内插）,*,最近领域插值(x,y)点的灰度值等于离它最近的像素的灰度值；优点：算法简单、快捷缺点：存大较大误差,*,(x,y),(x,y+1),(x+1,y),(x+1,y+1),(x,y),双线性内插,*,(x,y),(x,y+1),(x+1,y),(x+1,y+1),(x,y),缩小欠采样步骤同放大,*,整数倍放大可通过简单的像素复制完成；,*,整数倍缩小可通过简单的像素删除完成；,*,教学基本要求：2.1视觉感知要素；2.2图像感知和获取；2.3图像取样和量化；2.4像素间的一些基本关系；,*,如果一幅图像

9、用f(x,y)表示，特殊像素用小写字母（p或q）表示：p的4邻域坐标为(x,y)的像素p有4个水平和垂直方向上的相邻像素，坐标分别为：(x+1,y),(x-1,y),(x,y+1),(x,y-1)，这个像素集称为p的4邻域，用N4(p)表示。,*,p的4个对角邻像素坐标分别为：(x+1,y+1),(x-1,y-1),(x-1,y+1),(x-1,y-1)，用N D(p)表示。p的8邻域 N4(p)+ND(p),*,为了确定两个像素是否连通，必须确定（1）它们是否相邻（2）它们的灰度值是否满足特定的相似性准则。设V是用于定义邻接性的灰度值集合。4邻接：如果q在N4(p)中，具有V中数值的两个像素

10、p和q是4邻接的。8邻接：如果q在N8(p)中，具有V中数值的两个像素p和q是8邻接的。,*,m邻接(又称混合邻接)：如果q在N4(p)中，或者q在ND(p)中且集合N4(p)N4(q)没有V值的像素，则具有V值的像素p和q是m邻接的。混合邻接的引入是为了消除采用8邻接常常发生的二义性。,*,从具有坐标(x,y)的像素p到具有坐标(s,t)的像素q的通路是特定的像素序列，其坐标为：并且像素(xi,yi)和(xi-1,yi-1)是邻接的。有3种类型的通路：4通路、8通路、m通路,*,随堂练习：以下p-q通路各是什么通路？,*,给定2个像素p、q，坐标分别为(x，y)，(s，t)：欧氏距离根据这个

11、距离量度，与(x，y)的距离小于或等于某个值d的象素都包括在以(x，y)为中心以d为半径的圆中。,*,给定2个象素p、q，坐标分别为(x，y)，(s，t)：城区(city-block)距离，或称D4距离 D4(p，q)=|x-s|+|y-t|根据这个距离量度，与(x，y)的D4距离小于或等于某个值d的象素组成以(x，y)为中心的菱形。,*,给定2个象素p、q，坐标分别为(x，y)，(s，t)：棋盘(chessboard)距离：或D8距离D8(p，q)=max(|x-s|，|y-t|)根据这个距离量度，与(x，y)的D8距离小于或等于某个值d的象素组成以(x，y)为中心的正方形。,*,随堂练习：求下列两点间的欧氏距离、城区距离和棋盘距离。,*,重点基本概念：图像的取样和量化、数字图像的表示、空间和灰度级分辨率了解人眼的构造及人眼的视觉特性数字图像的放大和收缩像素间的基本关系,*,