基于Matlab的醫(yī)學(xué)圖像增強(qiáng)與邊緣檢測(cè)算法的實(shí)驗(yàn)研究.pdf

1、目的：本課題以研究圖像增強(qiáng)和邊緣檢測(cè)算法的應(yīng)用為目的，改善醫(yī)學(xué)圖像質(zhì)量，從結(jié)果中獲取更多有價(jià)值的信息，為臨床診斷和分析提供依據(jù)。醫(yī)學(xué)圖像增強(qiáng)主要是為了將圖像中感興趣的特征有選擇的突出，具體表現(xiàn)為突出目標(biāo)物輪廓，增強(qiáng)圖像中的細(xì)節(jié)，提高層次感，濾除各類噪聲等等。邊緣檢測(cè)的結(jié)果是為了提供圖像的重要特性，使醫(yī)學(xué)圖像中病灶部位特征能明確區(qū)分出來。
　　方法：
　　1、利用Matlab工具箱函數(shù)對(duì)圖像進(jìn)行預(yù)處理，分別采用直方圖均衡化和直

2、方圖規(guī)定化的方法對(duì)采集到的醫(yī)學(xué)圖像進(jìn)行處理，然后分析比較處理后的結(jié)果圖像。
　　2、選擇5×5模板和3×3模板，利用Matlab工具箱函數(shù)分別對(duì)采集到的醫(yī)學(xué)圖像用wiener濾波法對(duì)圖像進(jìn)行自適應(yīng)wiener濾波、中值濾波法處理，分析各算法對(duì)醫(yī)學(xué)圖像的處理效果。
　　3、對(duì)采集到的醫(yī)學(xué)圖像，結(jié)合Matlab具體程序，分別進(jìn)行Roberts算子、Prewitt算子、Sobel算子、Laplacian算子、Canny算子進(jìn)行邊緣

3、檢測(cè)，并分析比較它們的檢測(cè)結(jié)果。
　　結(jié)果：
　　1、用直方圖均衡化和規(guī)定化的算法，將原始圖像密集的灰度分布變得比較稀疏，處理后的圖像視覺效果得以改善。直方圖均衡化對(duì)于局部細(xì)節(jié)增強(qiáng)不顯著，而直方圖規(guī)定化則使不易觀察到的細(xì)節(jié)變得清晰。
　　2、加入高斯噪聲后，選擇5×5模板的wiener濾波法處理的圖像，邊緣模糊，圖像中軟組織的清晰度下降，而選擇3×3模板的wiener濾波后的圖像視覺效果要好。選擇3×3模板的中值濾波后

4、結(jié)果圖的噪聲基本被濾除，圖像變的較清晰。
　　3、Roberts算子對(duì)邊緣定位不準(zhǔn)確，Sobel算子和Prewitt算子能夠檢測(cè)出邊緣，但邊緣是不連續(xù)的，且比較模糊，而Sobel算子比Prewitt算子提取細(xì)節(jié)信息量要多一些，Laplacian算子檢測(cè)出的邊緣產(chǎn)生了虛假信息，Canny算子能真正檢測(cè)到弱邊緣。
　　結(jié)論：
　　1、直方圖處理醫(yī)學(xué)圖像可以有效改善圖像質(zhì)量，使圖像變的清晰，直方圖規(guī)定化處理醫(yī)學(xué)圖像局部細(xì)節(jié)方