超聲圖像紋理分析算法研究畢業(yè)設計

1、<p>　　畢 業(yè) 設 計（論 文）</p><p>　　題 目：超聲圖像紋理分析算法研究</p><p>　　專 業(yè)： 生物醫(yī)學工程 </p><p>　　學生姓名： </p><p>　　班級學號： </p><p

2、>　　指導教師： </p><p>　　指導單位： 地理與生物信息學院 </p><p>　　日期：2010年 3 月 12日至 2010年 6 月 17日</p><p><b>　　摘 要</b></p><p>　　醫(yī)學超聲圖像與計算機X射線斷層造影術、磁共振成

3、像、核醫(yī)學成像并稱為現(xiàn)代四大醫(yī)學影像技術，其中超聲成像由于其獨具的實時性、無損性、廉價性、可重復性好、靈敏度高等優(yōu)勢而廣泛應用于臨床診斷和治療中，它在人體內(nèi)部組織器官的定量分析、實時監(jiān)控和治療規(guī)劃等方面都具有極大的潛力。運用計算機手段對超聲圖像進行分析，為醫(yī)生的診斷提供量化的依據(jù)，是非常必要的。</p><p>　　本文將肝臟的超聲圖像作為研究對象，結(jié)合超聲理論、紋理分析理論，探討了肝臟所具有的紋理特性，并運用灰

4、度共生矩陣方法提取肝臟超聲圖像的紋理特征參數(shù)，分別選取正常肝臟、脂肪肝以及肝硬化的超聲圖像進行紋理分析，依據(jù)肝臟超聲圖像的特點對其結(jié)果進行對比分析。進而驗證程序的準確性，為今后進一步進行超聲圖像的分割、分類及自動識別打下基礎。</p><p>　　關鍵詞： 超聲圖像；肝臟；紋理分析；灰度共生矩陣 </p><p><b>　　ABSTRACT</b></p&g

5、t;<p>　　Medical ultrasound imaging, computerized tomography ,magnetic resonance imaging and nuclear imaging are the four important medical imaging techniques in modem society. Among them , medical ultrasound imagi

6、ng is widely used in medical diagnosis and treatment due to its unique characteristic of real-time, noninvasiveness, cheapness, easy repetition, and high sensitivity. It has high potential in quantitive analysis, real-ti

7、me monitoring and treatment scheduling, etc. At present, the diagnosis is d</p><p>　　In this paper, we studied the images of liver ultrasound images by contracting the theory of ultrasound, texture analysis.

8、 We discussed the texture characteristics of liver. Subsequently we validated this lows by using GLSM method to extract the texture characters. Choose normal respectively, liver cirrhosis and the fat of ultrasound image

9、in texture, based on the liver of ultrasound image on the results on the comparative analysis. to verify the accuracy, For the further ultrasound image segmen</p><p>　　Keywords: ultrasound images ；liver ；tex

10、ture analysis；GLCM</p><p><b>　　目 錄</b></p><p><b>　　第一章 緒論1</b></p><p><b>　　1.1引言1</b></p><p><b>　　1.2課題背景1</b></

11、p><p>　　1.3 肝臟超聲圖像2</p><p>　　1.3.1 B超及其成像原理2</p><p>　　1.3.2 肝臟疾病及其超聲學特征3</p><p>　　1.4 本章小結(jié)3</p><p>　　第二章超聲圖像的紋理分析4</p><p>　　2.1 紋理的基本概念4&

12、lt;/p><p>　　2.1.1紋理的定義4</p><p>　　2.1.2紋理分析的概況5</p><p>　　2.2紋理分析的方法6</p><p>　　2.2.1 基于特征的分析方法6</p><p>　　2.2.2基于模型的分析方法8</p><p>　　2.2.3其它分析方法

13、10</p><p>　　2.3灰度共生矩陣分析方法11</p><p>　　2.3.1灰度共生矩陣的定義11</p><p>　　2.3.2灰度共生矩陣的特征參數(shù)12</p><p>　　2.3.3 灰度共生矩陣常用的特征參數(shù)14</p><p>　　2.4 本章小結(jié)15</p><p&

14、gt;　　第三章 超聲肝臟紋理分析設計的應用16</p><p>　　3.1 Visual C++開發(fā)環(huán)境及C++語言的簡介16</p><p>　　3.1.1 Visual C++開發(fā)環(huán)境16</p><p>　　3.1.2 C++概述17</p><p>　　3.2紋理特征算法的實現(xiàn)17</p><p>

15、;　　3.2.1 算法流程圖18</p><p>　　3.2.2 紋理特征值計算框架……………………………………………………19</p><p>　　3.2.3 灰度共現(xiàn)矩陣的算法實現(xiàn)21</p><p>　　3.2.4 計算紋理特征參數(shù)的算法23</p><p>　　3.3 實驗結(jié)果分析26</p><p>

16、　　3.3.1 程序的實現(xiàn)測試26</p><p>　　3.3.2 紋理分析測試結(jié)果比對 …………………………………………………28</p><p>　　3.4 本章小結(jié)30</p><p><b>　　結(jié)束語31</b></p><p><b>　　致 謝32</b></p>

17、<p><b>　　參考文獻：33</b></p><p><b>　　第一章 緒論</b></p><p><b>　　1.1引言</b></p><p>　　隨著近年來社會科技的進步與人類生活水平的發(fā)展，人們在迅速發(fā)展高新科技的同時，也越來越關注自身的生活環(huán)境與醫(yī)療條件。健康己成

18、為人們當前最關注的話題之一。然而，由于環(huán)境的嚴重破壞工作中的激烈競爭和沉重的生活壓力，人們的健康水平卻不甚樂觀。今天醫(yī)學的發(fā)展面臨嚴重的挑戰(zhàn)，作為醫(yī)生診斷和治療重要手段的醫(yī)學影像學己成為醫(yī)學技術中發(fā)展最快的領域之一，其結(jié)果使得臨床醫(yī)生對人體內(nèi)部病變部位的觀察更直接、更清晰，確診率也更高。</p><p>　　近幾年來，隨著信息時代特別是數(shù)字時代的來臨，計算機斷層成像、核磁共振成像(MRI: Magnetic Re

19、sonance Imaging)、超聲(US: Ultrasonography)等新的醫(yī)學成像技術已經(jīng)廣泛應用在醫(yī)療的診斷、術前計劃、治療、術后監(jiān)測等各個環(huán)節(jié)中。這些成像技術的目的是全面而精確地獲得病人的各種定量定性數(shù)據(jù)，為診斷、治療計劃、手術和術后評估提供正確的數(shù)字式的信息，它們的快速發(fā)展必將引發(fā)醫(yī)學影像領域一場新的革命。計算機和醫(yī)學圖像處理技術作為這些成像技術的發(fā)展基礎，帶動著現(xiàn)代醫(yī)學診斷正產(chǎn)生著深刻的變革。各種新的醫(yī)學成像方法的臨

20、床應用，使醫(yī)學診斷和治療技術取得了很大的進展，同時將各種成像技術得到的信息進行互補，也為臨床診斷及生物醫(yī)學研究提供了有力的科學依據(jù)。因此，醫(yī)學圖像處理技術一直受到國內(nèi)外有關專家的高度重視。</p><p>　　醫(yī)學領域知識集百家之大成，浩滿紛繁，關聯(lián)交叉，我們所研究的B超聲圖像僅是醫(yī)學領域的一個具體分支，因而在描述B超聲圖像的特征時必須使用清晰準確的概念。B超聲圖像中所涉及的幾個主干特征分別是所診斷器官的直徑、壁

21、厚、圖像的灰度值和紋理等。其中，圖像的灰度值和紋理是最重要的兩個特征，多數(shù)疾病的診斷都可以直接由這兩個特征進行分析診斷。準確提取超聲圖像的特征，直接關系到超聲圖像處理的成敗和算法的成功運用，對超聲圖像處理的進一步發(fā)展具有十分重要的意義。</p><p><b>　　1.2課題背景</b></p><p>　　超聲醫(yī)學是醫(yī)學影像學的一個重要組成部分，它的范圍是在整個醫(yī)學

22、影像學的歷史發(fā)展中形成的，并且不斷更新變化的。目前在醫(yī)學臨床上應用的超聲診斷儀有許多類型，B型超聲室其中一種，而且是臨床上應用最廣泛和簡便的一種。B超稱為超聲顯像法，是將回聲信號以光點的形式顯示出二維圖像來，回聲的大小以光點的明暗度來表示，根據(jù)光點的灰階不同，組成層次分明的二維結(jié)構(gòu)圖像，為灰度調(diào)制型。</p><p>　　B超檢查能夠無損、直觀的顯示人體心臟的形態(tài)結(jié)構(gòu)，并且對人體的軟組織具有高度的分辨能力。它能實

23、時的觀察人體臟器的功能活動且操作簡便、價格低廉，正是因為B超具有這些特點，它已經(jīng)成為進行人體內(nèi)部結(jié)構(gòu)與組織檢查的最為常用的手段。</p><p>　　但B超也有其不足之處，由于超聲醫(yī)學診斷主要利用了超聲脈沖回波的幅度參數(shù)來提取真短信息，受設備等各方面因素制約，使超聲醫(yī)學圖像具有灰度級對比度低，特別是在某些局部細節(jié)上沒有明顯的灰度差別等缺點，使得人的視覺分辨較為困難，所得到的診斷結(jié)果帶有醫(yī)生的主管經(jīng)驗判斷，這在很大

24、程度上取決于醫(yī)生的臨床經(jīng)驗。計算機技術的應用可以改變這種情況，通過圖形圖像技術，可以對影像圖像進行任意放大、縮小、旋轉(zhuǎn)、對比度調(diào)整等處理，使得醫(yī)務工作者可以從多方面，多層次的觀察角度對影像數(shù)據(jù)進行詳細的觀察，可以輔助醫(yī)生對病變體及其他感興趣的區(qū)域進行定性分析，可以提高臨床診斷的準確性和正確性。早在八十年代末，就已經(jīng)出現(xiàn)了B超圖像處理系統(tǒng)，如圖像歸檔與通信系統(tǒng)和超聲圖像管理系統(tǒng)。針對B超的圖像處理系統(tǒng)主要實現(xiàn)了圖像黑白反轉(zhuǎn)、圖像開窗、放大

25、縮小、增強、灰度處理、邊緣處理、直方圖等功能。</p><p>　　但是，對于脂肪肝等肝臟實質(zhì)器官的病變診斷并沒有一個量化方法來進行處理，主要還是依據(jù)醫(yī)生的經(jīng)驗，根據(jù)超聲圖像特征和灰階的分布大致推斷組織內(nèi)部的散射結(jié)構(gòu)，進而判別病變情況，即目前的診斷主要以定性分析為基礎。這就需要我們對B超圖像進行一定的處理，以期獲得一定的量化參數(shù)，減少醫(yī)生用肉眼判別醫(yī)學圖像時發(fā)生的錯誤及工作量。</p><p&

26、gt;　　1.3 肝臟超聲圖像</p><p>　　1.3.1 B超及其成像原理</p><p>　　B超設備成像的基本原理是超聲脈沖回聲檢測原理。B超設備向人體發(fā)射一組超聲波，按一定的方向進行掃描。根據(jù)監(jiān)測其回聲的延遲時間、強弱就可以判斷臟器的距離及性質(zhì).經(jīng)過電子電路和計算機的處理，形成了我們今天的B超圖像。B超的關鍵部件就是我們所說的超聲探頭，其內(nèi)部有一組超聲換能器，是由一組具有壓電

27、效應的特殊晶體制成.這種壓電晶體具有特殊的性質(zhì)，就是在晶體特定方向上加上電壓，晶體會發(fā)生形變，反過來當晶體發(fā)生形變時，對應方向上就會產(chǎn)生電壓，實現(xiàn)了電信號與超聲波的轉(zhuǎn)換。</p><p>　　B超診斷設備根據(jù)掃查方式可以分為:線性掃查、扇形掃查、凸陣掃查等。線性掃查是使超聲束在體內(nèi)做快速直線運動，運動方向和聲波行進方向垂直，獲取的回波信息做亮度調(diào)制處理，在CRT上可得到一幅矩形切面圖像。而扇形掃查則是使超聲波束在

28、人體內(nèi)做快速扇形運動，進而在CRT上顯示出一幅扇形的切面圖像B超診斷疾病，通常是根據(jù)圖像所顯示某一器官或病變的大小、形態(tài)及內(nèi)部結(jié)構(gòu)等變化做出診斷。而這些變化在B超儀屏幕上又是以點狀回聲、帶狀回聲、團狀回聲等組成，主要以灰度圖像的形式顯示。由于人體生理結(jié)構(gòu)復雜，所以，B超顯示的圖像較復雜，信息量大，各目標景物的粉廓界限不清楚，且有相互重登的現(xiàn)象，前景和背景物體的灰度差較小，處理起來較困難。而且由于研究對象(人體)的特殊性，這些都給我們的研

29、究提出了更高的要求。</p><p>　　1.3.2 肝臟疾病及其超聲學特征</p><p>　　要通過研究肝臟B超圖像所反映的不同病變表現(xiàn)出來的不同的變化規(guī)律，就需要了解它們在聲像圖上的差異。B超圖像涉及的主要特征是所診斷器官的“直徑”、“壁厚”、“圖像的灰度值”等。其中“圖像的灰度值”即紋理是最重要的特征，在醫(yī)學上被稱為光點，本文著重對該特征做描述。首先我們研究一下正常肝臟的聲像圖。正

30、常肝臟在右側(cè)肋下可見一低回聲區(qū)，肝實質(zhì)呈細小光點，分布均勻，有時可見稀疏、散在的略強光點及短小線狀回聲，且輪廓完整，邊界整齊，與周圍界限清晰。接下來我們分別了解一下脂肪肝和肝硬化的超聲學特征。脂肪肝可分為彌漫性和局限性兩類，其超聲圖像有所區(qū)別。彌漫性脂肪肝:肝臟呈輕度或中度腫大，肝實質(zhì)呈點狀強回聲。細膩、均勻、增多、增強。由于肝內(nèi)脂肪的彌漫性浸潤，肝區(qū)的超聲衰減系數(shù)均值由0.54dB/cm/mH&增加0.74dB/cm/mHg，

31、使回聲從淺到深逐漸減弱，前部細密呈一片“云霧狀”。探部回聲微弱且稀少，后方輪廊顯示較困難，肝內(nèi)血管明顯減少，走向不清。局限性脂肪肝：當脂肪肝非均勻發(fā)展時，可出現(xiàn)肝的不規(guī)則脂肪化灶或局限性脂肪化灶，表現(xiàn)為灶性或不均勻的強回聲區(qū)域如肝的大部分被脂肪化，只留小部分正常區(qū)，聲像圖上</p><p>　　(1 )回聲增高增密，分布不均勻;</p><p>　　(2 )分布密度不一的短小粗線狀增高回聲

32、;</p><p>　　(3 )肝內(nèi)密布短弧線狀增高回聲，類似蜂片狀或苔鮮樣改變;</p><p>　　(4 )當肝內(nèi)再生結(jié)節(jié)較大時，肝區(qū)光點粗大，有結(jié)節(jié)狀強回聲。</p><p>　　上面所討論的是屬于醫(yī)學范疇，并用醫(yī)學語言描述的不同肝臟疾病的超聲圖像特征。我們將這些特征用圖像處理紋理特征的語言來描述:</p><p>　　(1 )正常肝臟

33、超聲圖像的紋理規(guī)則、清晰，分布均勻，其紋理分布較密。</p><p>　　(2 )脂肪肝超聲圖像的紋理規(guī)則、欠清晰，分布均勻，其紋理分布密集。</p><p>　　(3 )肝硬化超聲圖像的紋理不規(guī)則但較清晰，分布不均勻，其分布較稀疏。</p><p><b>　　1.4 本章小結(jié)</b></p><p>　　本章首先介紹

34、了超聲圖像分析的發(fā)展需求及發(fā)展由來使我們對超聲圖像分析能有一個更好的了解，進而對肝臟的超聲圖像的特征做了大致的分析，為接下來我們介紹對肝臟超聲圖像的紋理分析奠定了一定的基礎。</p><p><b>　　超聲圖像的紋理分析</b></p><p>　　2.1 紋理的基本概念</p><p>　　2.1.1紋理的定義</p><

35、;p>　　紋理一般指人們所觀察到是圖像中的象元的灰度變化規(guī)律，習慣上把圖像中的這種局部不規(guī)則的、而宏觀有規(guī)律的特征稱之為紋理。在圖像分析中將描述這種灰度變化規(guī)律的數(shù)字特征稱之為圖像的紋理特征。在各類圖像中紋理現(xiàn)象幾乎無處不在，在多光譜遙感圖像到細胞組織成像，從大自然的天空、草地到計算機合成的規(guī)則圖像，以及日常生活中的磚墻、紡織品及一些自然景物都有明顯的紋理特征。例如遙感圖像中的氣象云圖和各種地貌反映在圖像上就是不同方向、不同形狀和

36、不同粗糙度的紋理。自然界沙礫與食鹽則呈現(xiàn)出同顆粒大小的紋理。在醫(yī)學診斷中器官組織的大片分布可以看做紋理現(xiàn)象，正常組織病變組織的紋理在粗糙、分布走向上有很大的差別。紋理特征是反映宏觀意義上灰度變化規(guī)律的重要特征，同時也是圖像分析中一個難以描述的基本特征。</p><p>　　從紋理信息的產(chǎn)生過程劃分可以將紋理分為認為紋理和自然紋理。將特定的子圖像規(guī)則的重復可人工產(chǎn)生特定的紋理。自然界產(chǎn)生的紋理則成為自然紋理。紋理的

37、基本特征是移不變性，也即對紋理的感知基本上與圖像中的位置無關，從人的智能視覺系統(tǒng)對紋理的認知來看，紋理還應當具有一定的日度不變性和選裝不變性。</p><p>　　從紋理的局部區(qū)域統(tǒng)計特征上可以將紋理大致地分為結(jié)構(gòu)紋理和隨機紋理（如圖一、圖二）。具有獨立基本結(jié)構(gòu)與明顯周期性的紋理為結(jié)構(gòu)紋理（例如布紋、磚墻），反之為隨機紋理（例如沙礫、氣象云圖）。從紋理途中可以看到紋理是一種有組織餓區(qū)域現(xiàn)象。</p>

38、<p>　　圖一 結(jié)構(gòu)紋理 圖二 隨機紋理</p><p>　　人工紋理多由點、線、多邊形等有規(guī)律的排列而組成，人工紋理圖像通常變現(xiàn)問結(jié)構(gòu)紋理，而自然紋理圖像通常是隨機型紋理。</p><p>　　因為人工紋理和自然紋理的模式多種多樣，迄今為止對于紋理還沒有一個公認的定義。Hawkins曾對紋理做過比較詳細的描述，他認為

39、紋理有三個主要標志：</p><p>　?。?）、某種局部的序列在比該序列更大的區(qū)域內(nèi)不斷的重復；</p><p>　　（2）、序列是由基本部分非隨機排列組成的；</p><p>　?。?）、各部分大致都是均勻的統(tǒng)一體，在紋理區(qū)域內(nèi)的任何地方都有相同的結(jié)構(gòu)尺寸；</p><p>　　即紋理是由紋理基元按照某種確定性的規(guī)律或者某種統(tǒng)計規(guī)律排列組

40、成的。而Goold等人給紋理以更為模糊的定義，即紋理是由大量或多或少有序的相似基元或模式組成的一種結(jié)構(gòu)，這些基元或模式中沒有一個特別引人注目的。無論對于紋理的定義如何，我們都可以認為，紋理對于圖像各像元的灰度空間分布的一種描述。</p><p>　　肝臟B超圖像紋理是由于各種不同的肝臟組織纖維不同，使其對超聲脈沖的吸收、衰減、反射有差異，超聲脈沖又相互作用而形成的。因此，不同肝臟B超圖像的紋理有明顯的不同，這就是

41、我們多看到的光點粗細、分布的差別，醫(yī)生正是根據(jù)這種紋理來判斷肝臟有無疾病，從這一點可看出，肝臟B超圖像的紋理反映了肝臟組織的結(jié)構(gòu)，因此，可通過對肝臟紋理的定量分析來區(qū)分肝臟有無疾病，供醫(yī)生輔助診斷時候參考。</p><p>　　2.1.2紋理分析的概況</p><p>　　紋理分析指的是通過一定的圖像處理技術抽取出紋理特征，從而獲得紋理的定量或定性描述的處理過程。近些年來，紋理分析在紡織品

42、、植物病蟲害防治、醫(yī)學病理診斷和大容量圖像數(shù)據(jù)庫的檢索、遙感圖像處理等方面得到廣泛的應用。由于紋理的大量存在和復雜多樣，紋理分析在上述以及他相關應用領域不但具有重要的地位，而且具有較大的難度，因而一直是人民關注和研究的一個熱點和難點。紋理分析的主要研究內(nèi)容包括紋理描述、紋理分割、紋理分類、紋理檢索等，是計算機視覺和模式識別的重要組成部分。</p><p>　　紋理描述：對圖像中紋理信息的基本特性做出某種量度。紋理

43、描述的基礎是找出一組能夠有效反應圖像紋理特征的參量，這些紋理特征能夠盡可能地縮小紋理的類內(nèi)差距，同時盡可能增大紋理的類間差距。常用的紋理特征有粗糙度、方向性、一致性等。</p><p>　　1、紋理分割：以紋理特征的一致性為準則的圖像分割處理。由于不同物體往往具有不同的紋理特征，紋理分割將圖像中劃分為互不相交的若干區(qū)域，每一個區(qū)域內(nèi)部具有相對一致的紋理特性。</p><p>　　2、 紋理

44、分割包括有監(jiān)督和無監(jiān)督的紋理分割。有監(jiān)督紋理風是指在對待分割圖像掌握一定經(jīng)驗知識的情況下的紋理分割，反之則稱為無監(jiān)督分割。紋理的先驗知識包括確定待分割圖像的紋理類別數(shù)目，不同紋理的表現(xiàn)特性等等。</p><p>　　3、紋理分類：通過紋理特征的描述、提取和識別處理，將不同類別的未知紋理圖像正確的歸類到已知的紋理類型。紋理分類一般包括訓練和分類兩個階段一般是有監(jiān)督的。</p><p>　　4

45、、紋理檢索：通過某種相似性準則計算紋理特征之間的距離，對圖像進行識別檢索。紋理檢索時基于內(nèi)容的圖像檢索研究的一個重要內(nèi)容。</p><p>　　本文中我們主要研究紋理特征的提取，探討肝臟所具有的紋理特性，為今后進一步進行超聲圖像的分割、分類及自動識別打下基礎。</p><p>　　2.2紋理分析的方法</p><p>　　紋理圖像分析的基本方法有兩種類型:結(jié)構(gòu)分析法

46、和統(tǒng)計分析法。</p><p>　　結(jié)構(gòu)分析法從圖像(或局部區(qū)域)的排列特征出發(fā)著力找出紋理基元，再從結(jié)構(gòu)組成上探索紋理的分布規(guī)律，計算紋理基元的特征參數(shù)或構(gòu)成紋理的結(jié)構(gòu)參數(shù)。紋理基元可以是直觀的、明確的，如氣泡紋理的基元通常是圓或橢圓;也可以是不明確的，需要人為的定義。紋理基元參數(shù)包括基元的尺寸、位置和姿態(tài)等，紋理結(jié)構(gòu)參數(shù)包括相位、距離、分離度、同現(xiàn)率等。紋理的空間組織可以是隨機的，可能一個基元對相鄰基元有成對

47、的依賴關系，或者幾個基元同時相互關聯(lián)。</p><p>　　統(tǒng)計分析法是從圖像有關屬性的統(tǒng)計特性出發(fā)，著重于分析圖像區(qū)域灰度分布的統(tǒng)計特性(常用的描述子有n階矩、直方圖、共生矩陣等)。統(tǒng)計分析法適用于描述木紋、沙地和草坪等自然界廣泛存在的不規(guī)則、隨機性(或周期性不明顯)的紋理，對圖像宏觀特性的描述比較有效，適應性強。</p><p>　　這些方法可以粗略的分為三類:</p>

48、<p>　　(1)基于特征:該方法利用感興趣的區(qū)域的某些特征參數(shù)基本一致的特點來處理的。</p><p>　　(2)基于模型:這種方法假定研究的紋理是由某模型過程的一些參數(shù)決定的，所以我們可以用模型參數(shù)作為紋理的特征來識別紋理圖像?；谀Ｐ蛥?shù)的分析方法可以看作是基于特征方法的一個子集。</p><p>　　(3)基于結(jié)構(gòu):該方法搜尋紋理基元的排列規(guī)則。</p>&

49、lt;p>　　基于結(jié)構(gòu)的紋理分析必須在紋理具有很強的紋理基元的情況下應用。但在實際情況下，紋理往往不能滿足這個假設條件，所以結(jié)構(gòu)化紋理分析的應用范圍有限。這里不作介紹。</p><p>　　基于特征和基于模型的分析方法比較常用，下面分別介紹其中比較經(jīng)典的方法。</p><p>　　2.2.1 基于特征的分析方法</p><p>　　1、空間自相關函數(shù)法<

50、/p><p>　　紋理結(jié)構(gòu)常用其粗糙性來描述，其粗糙性的程度與局部結(jié)構(gòu)的空間重復周期有關。周期大的紋理粗，周期小的紋理細?？臻g自相關函數(shù)是計算紋理測度的一種基本方法。紋理測度變化的傾向是小數(shù)值的紋理測度表示細紋理，大數(shù)值的紋理測度表示粗紋理。</p><p>　　設圖像為{I（x，y),0 ≤ x ≤M,0≤ y ≤ N}，其自相關函數(shù)定義為:</p><p><

51、b>　?。?.211）</b></p><p>　　上式是對(2W+1)×(2W+1)窗口內(nèi)每一象素(j,k)與偏離值e,η=0±1±2，…,±T的象素之間的相關值作計算.一般粗紋理區(qū)域?qū)o定偏離(e,η)時象素的相關性要高于細紋理區(qū)域?；蛘哒f，對于粗紋理圖像，自相關函數(shù)C(e，η;j,k)隨著偏離值增大而下降的速度較慢;而細紋理圖象的C(e，η;j,k)

52、隨著偏離值增大而下降的速度較快.隨著偏離值的繼續(xù)增加，C(e，η;j,k)將呈現(xiàn)某種周期性的變化，其變化周期的大小可以作為描述圖象紋理的重要特征。自相關函數(shù)擴展的一種測度是二階矩，即</p><p><b>　　(2.212)</b></p><p>　　可見，紋理粗糙性越大，則T越大.因而T也是度量紋理結(jié)構(gòu)粗糙性的一種參數(shù)。</p><p>

53、　　2 、Laws能量法</p><p>　　1980年，Laws提出了一種新的紋理描述方法，即紋理能量法.它用向量V1=[1,4,6,4,1];V2=[-1,-2,0,2,1];V3=[-1,0,2,0,-1];V4=[-1,2,0,-2,1];V5=[1,-4,6,-4,1]之間相互卷積后得到25個二維濾波模板后分別與紋理圖像卷積。卷積后的圖像中每個象素值用以該象素為中心的局部窗口內(nèi)的均方值(紋理能量)或平均

54、絕對值代替，從而獲得紋理的度量，其性能有意義地優(yōu)于共生矩陣法.</p><p>　　3、Tamura紋理特征</p><p>　　基于人類對紋理的視覺感知的心理學的研究，Tamura等人提出了紋理特征的表達。Tamura紋理特征的六個分量對應于心理學角度上紋理特征的六種屬性。其中，粗糙度(Coarsenes) 。時比度(Contrast)、方向度(Dirrectianality)這三個分量

55、比較重要，它們的定義和數(shù)學表達如下:</p><p>　　粗糙度的計算可以分為以幾個步驟進行.首先，計算圖像中大小為2K×2K個象素的活動窗口中象素的平均強度值，即</p><p><b>　　（2.213）</b></p><p>　　其中k2是選取的窗口大小，k=0,1,2 ... ; g（i，j）是位于(i，j)的象素強度值。然

56、后對于每個象素，分別計算它在水平和垂直方向上的郁域均值差值。</p><p><b>　?。?.214）</b></p><p>　　其中對于每個象素，能使E值達到最大(無論水平還是垂直方向)的k值用來設置最佳尺寸Sbest（x，y）=2k最后，粗糙度可以通過計算整幅圖像中Sbest的平均值來得到:</p><p><b>　?。?.

57、215）</b></p><p>　　粗糙度特征的另一種改進形式是采用直方圖來描述Sbest的分布.這種改進后的粗糙度特征能夠表達具有多種不同紋理特征的圖像或區(qū)域，因此對圖像分析更為有利。</p><p>　　對比度對比度通過對象素強度分布情況做統(tǒng)計后得到。它通過a4=μ4/s2定義，其中μ4是四階均值而s2是方差。對比度由如下公式衡量:</p><p>

58、;　　n=8,4,2,1,1/2,1/4或1/8 （2.216）</p><p>　　FCON給出了整個圖像或區(qū)域中汁比度的全局度量。</p><p>　　方向度方向度的計算需要首先計算每個象素處的梯度向量。該向量的模和方向分別定義為</p><p><b>　　(2.217)</b></p><p>

59、　　其中△H和△V是圖像分別卷積下列兩個3*3的差分算子得到的水平差分和垂直差分:</p><p>　　一1 0 1 1 1 1</p><p>　　一1 0 1 0 0 0 </p><p>　　一1 0 1 -1 -1 -1</p><p>　　當所有象素的梯度向

60、量都被計算出來后，可以構(gòu)造一個方向角局部邊緣概率直方圖HD來表達θ值。首先對θ的值域范圍進行離散化，然后統(tǒng)計直方圖中每個點值相應的△G大于給定閑值的象素數(shù)量。這個直方圖對于具有明顯方向性的圖像會表現(xiàn)出峰值，時于無明顯方向的圖像則表現(xiàn)得比較平坦。最后，圖像總體的方向性可以通過計算直方圖中峰值的尖銳程度獲得，表示如下:</p><p><b>　?。?.218）</b></p>&

61、lt;p>　　上式中的r為直方圖歸一化系數(shù)，p代表直方圖中的峰值，F(xiàn)為量化后的方向角，np為直方圖峰值個數(shù)，F(xiàn)p為波峰中心位置，Wp為該峰值兩側(cè)谷底距離。</p><p>　　2.2.2基于模型的分析方法</p><p>　　基于模型的紋理分析方法首先確定紋理圖像的解析模型并將每種紋理模型用一個紋理特征參數(shù)集表示.確定了這組紋理特征參數(shù)也就確定了該紋理模型的紋理特性。因此，基于模型的

62、紋理分析的關鍵是準確估計模型的特征參數(shù)集。紋理模型法認為一個象素與其鄰域內(nèi)的象素存在某種依賴關系，這種關系既可以是線性的，也可以是服從某種條件概率的。常用的模型有聯(lián)立自回歸模型(SAR) ,Markov隨機場(MRF)模型，Gibbs隨機場模型等。</p><p>　　1、 聯(lián)立自回歸模型(SAR)</p><p>　　SAR通過象素的線性組合來反映圖像中的象素與部域象素間的線性依賴關系。

63、在SAR模型中，對于每一個象素，可以將該象素與相部象素的某種關系定義為隨機變量.比如設s代表某個象素，其強度值g(s)表示為它的相鄰象素強度值的線性疊加與嗓音項e（s)之和，即:</p><p><b>　?。?.221）</b></p><p>　　其中D表示s的相鄰象素集，μ是圖像均值，由整幅圖像的平均強度值所決定。θ(r)是一系列模型參數(shù)，用來表示不同相部位置上

64、的象素的權值。e(s)是均值為0而方差為s2的高斯隨機變量。</p><p>　　此時，參數(shù)θ和標準方差s的值反映了圖像的紋理特征，可以通過回歸法計算模型參數(shù)來獲取紋理的局部統(tǒng)計特性。</p><p>　　2、Markov隨機場(MRF)模型</p><p>　　如果將紋理圖像視作一個二維隨機過程的有限采樣，則這個隨機過程由它的統(tǒng)計參數(shù)決定。定義一個部域，如果隨機場

65、中某點采樣的條件概率僅和該鄰域內(nèi)的點有關，那么該隨機場就是Markov隨機場。引入MRF作為圖像的隨機模型是紋理分析中的一個重要成就。在離散的高斯-馬爾可夫隨機場模型中，任何象素的灰度值都可以通過其鄰域灰度值的線性組合加上加性噪聲來建模的，模型如下:</p><p><b>　　(2.222)</b></p><p>　　其中:N為鄰點集，Ws為噪聲，θ為權重系數(shù)。&

66、lt;/p><p>　　使用最小二乘法或最大似然法估計這些模型參數(shù)，然后將這些佑計參數(shù)同已知紋理類型的參數(shù)進行比較，可以比較好地進行紋理分析。</p><p>　　3、 Gibbs隨機場模型</p><p>　　用Gibbs分布來描述的場是吉布斯隨機場，與之相應的圖像模型為吉布斯圖像模型，這種模型是通過描述幾何結(jié)構(gòu)和象素間相互作用力的定量參數(shù)來具體實現(xiàn)的。在這里象素間的

67、相互作用力并不是真正意義上的象素間的相互作用，而是反映了紋理中一些特定的信號組合出現(xiàn)的概率，象素間信號組合的概率分布越不均勻，象素間的作用越強烈.由上面的描述可以定義象素間的相互作用，即不同象素上信號間的概率關系稱之為象素間相互作用。相互作用結(jié)構(gòu)是通過相互作用的象素的特性子集來描述的。相互作用的強度由所謂的吉布斯勢給出，吉布斯勢控制了所有信號組合在這些子集中的概率分布。</p><p>　　2.2.3其它分析方法

68、</p><p>　　近年來，隨著人們在紋理分析領域中研究的不斷深入，提出了大量創(chuàng)新和改進的方法，很大程度上提高了紋理分析的精度。其中，以分形理論和小波理論的應用最為突出。</p><p><b>　　1、分形理論的應用</b></p><p>　　1975年美國數(shù)學家Mandelbort首次提出分形的概念.自然界中大多數(shù)物體的形狀是非常復雜的

69、，如云、海岸線等.將這些形體的細節(jié)取出并放大時，會發(fā)現(xiàn)放大后的形體與原形體十分相似，一個典型的例子是koch曲線。Koch曲線從一單位等邊三角形的三條邊開始，截去中間的三分之一，代之以兩個三分之一長且相交60o角的線段，然后對每個三分之一長的線段重復上面的過程，這樣無窮進行下去，就構(gòu)成了koch曲線。每個操作步驟都會將曲線的整個長度增加3/4倍，從構(gòu)成過程來看Koch曲線的長度最終將是無窮的。當我們測量幾何圖象的長度和面積時分別用單位長

70、度和單位面積來量度.在歐氏幾何空間中，線段的維數(shù)是1，正方形的維數(shù)為2，若用線段來測量正方形結(jié)果為無窮大，說明尺度太細了;而用正方形來量度線段結(jié)果為零，說明尺度太粗了.由上面的討論可知在測量一個集合時測量結(jié)果與所選擇的尺度有關，對于Koch曲線用一維尺度測量結(jié)果為無窮大，而用二維尺度測量時結(jié)果為零，所以將Koch曲線看成是維數(shù)介于1和Z之間的幾何對象.這類形體稱為分形，其維數(shù)用非整數(shù)表示，即分數(shù)維。每個分形集合對應一個以某種方式定義的分

71、數(shù)維。我們認為一個集合具</p><p>　　分形維和人們感覺的粗糙度有很強的相關性，可作為紋理的特征.但是從一幅圖像的紋理估計出分形維是考民困難的，Sarkar與Chaudhuri提出用差分法計算得到紋理圖像的分形維.然而，人們發(fā)現(xiàn)不同的紋理可以有相同的分形維。為了彌補分形維的不足，Ghaudhuri對圖像先做一些簡單變換，再計算變換后圖像的分形維;KasParis_將分形維與紋理能量結(jié)合起來彌補分形維的不足。

72、當紋理模式在不同尺度下具有自相似性時，用分形理論也可以較好的解決問題。</p><p><b>　　2、小波理論的應用</b></p><p>　　小波分析真正作為一門理論或?qū)W科被研究僅僅是最近20年的事情。與Fourier分析和Gabor變換相比，小波變換是時間(空間)須率的局部化分析，它通過伸縮平移運算對信號逐步進行多尺度細化，最終達到高頻處時間細分、低頻處頻率細

73、分，能自動適應時頻信號分析的要求，從而可聚焦到信號的任意細節(jié)，解決了Fourier變換的困難問題，成為繼Fourier分析以來在科學方法上的重大突破。</p><p>　　小波的概念是由法國的從事石油勘測信號處理的地球物理學家Morlet于1984年提出的.從上面的分析我們知道，小波變換足對Fourier;變換的改進。小波分析理論作為時頻分析工具，在信號分析和處理中得到了很好地運用。平面圖像可以看成二維信號，因此

74、，小波分析很自然地被運用到圖像處理領域。小波應用于紋理的分析，主要指在小波變換后，時獲取的原圖像上的頻域信息提取的二次小波特征。常常與紋理的一、二類統(tǒng)計特征，即與直方圖、共生矩陣等特征結(jié)合，得到穩(wěn)定可靠的紋理特征。然后，再將二次小波特征用于圖像分類。</p><p>　　小波理論的應用方面，最早進少、實用的是二進小波以及基于二進小波的快速分解與重構(gòu)算法.在圖像處理領域使用的是可分離的小波基。小波分析后期的發(fā)展主要

75、包括多進小波(Multi-band Wavelet}、小波包（Wavelet Package)、多小波(Multi-Wavelet)和第二代小波(Second Generation Wavelet}。</p><p>　　2.3灰度共生矩陣分析方法</p><p>　　灰度共生矩陣式圖像灰度變化的二階統(tǒng)計度量，它是表述紋理圖像結(jié)構(gòu)特征的基本函數(shù)。根據(jù)兩個像素點位置的聯(lián)合概率密度函數(shù)可以建

76、立起紋理圖像的共生矩陣。</p><p>　　2.3.1灰度共生矩陣的定義</p><p>　　假定一副圖像的f在水平方向有Nx個像素，在垂直方向上有Ny個像素組成，每個像素的灰度級最大為Ng。記作：</p><p>　　則可以把紋理分析的圖像f理解為從LX×LY到G的一個變換，即對LX×LY中的每一個點，對應屬于f的一個灰度，可以表示為：f：L

77、X×LY→G?？臻g灰度共生矩陣定義為方向θ和間隔距離d的函數(shù)，記為：</p><p><b>　?。?.311）</b></p><p>　　表示矩陣第i行第j列元素，其中（i，j）∈G×G,θ=0O,45O,90O,135O,對不同的θ，矩陣元素定義如下：</p><p>　　P(i,j,d,0o)=#{((k,l),(m

78、,n))∈(LX×LY)×(LX×LY)│k-m=0,</p><p>　　│l-n│=d;f(k,l)=i,f(m,n)=j } (2.312)</p><p>　　P(i,j,d,45o)=#{((k,l),(m,n))∈(Ly×Lx)×(Ly×Lx)│(k-m=d,l-n=-d)&l

79、t;/p><p>　　Or(k-m=-d,l-n=d),f(k,l)=I,f(m,n)=j} (2.313)</p><p>　　P(i,j,d,90o)=#{((k,l),(m,n))∈(Ly×Lx)×(Ly×Lx)││k-m│=d;</p><p>　　l-n=0;f(k,l)=i,f(m,n)=j }

80、 (2.314)</p><p>　　P(i,j,d,135o)=#{((k,l),(m,n))∈(Ly×Lx)×(Ly×Lx)│(k-m=d;l-n=d)</p><p>　　Or(k-m=-d,l-n=-d),f(k,l)=i,f(m,n)=j} (2.315)</p>&l

81、t;p>　　上述式中k、m和l、n分別在所選計算窗口中變動，記號#{X}表示集合X的元素數(shù)。矩陣[P(i,j,d,θ)]的第i行第j列元素表示所有θ方向，相鄰間隔為d的像素中有一個取i值，另一個取j值的相鄰點數(shù)。這里的d一般可以取為d=1，2，3，4，8等值。</p><p>　　2.3.2灰度共生矩陣的特征參數(shù)</p><p>　　圖像的灰度共生矩陣反映了圖像灰度關于方向、相鄰間隔

82、、變化幅度的綜合信息，它是分析圖像的局部模式結(jié)構(gòu)及其排列規(guī)則的基礎。作為紋理分析的特征量，往往不是直接應用計算機的灰度共生矩陣，而是在灰度共生矩陣的基礎上再提取紋理的特征量，稱為二次計量。一幅圖像的灰度級數(shù)一般是256級，這樣級數(shù)太多會導致計算灰度共生矩陣大，計算量大。因此，在求灰度共生矩陣之前，常壓縮為16級。為表達簡明起見，在下面的共生矩陣表達式中，略去了間隔d和方向θ。</p><p>　　進行特征提取前，

83、首先對式（2.31）表示的共生矩陣作正規(guī)化處理：</p><p>　　P（i，j）/R=P（i，j） （2.321）</p><p>　　這里R是正規(guī)化參數(shù)。當取d=1，θ=0o時，每一行有2（NX-1）個水平相鄰點，共有NY行，因此總共有2NY(NX-1)個相鄰點，所以取R=2NY(NX-1);當d=1，θ=45o時&l

84、t;/p><p>　　共有2（NY-1）(NX-1)個相鄰點，所以取R=2（NY-1）(NX-1)。由對稱性可知，當θ=90o和135o時，同理可得。記：</p><p>　　Haralick等人由灰度共生矩陣提取了以下14個圖像的紋理特征：</p><p><b>　?。?）角二階矩：</b></p><p><b&

85、gt;　　(2.321)</b></p><p><b>　?。?）對比度：</b></p><p><b>　　(2.322)</b></p><p><b>　?。?）相關：</b></p><p><b>　　(2.323)</b><

86、;/p><p>　　式中μx，Sx分別是{Px（i）；i=1,2，…，Ng}的均值和均方差，μy，Sy分別是</p><p>　　{Py（j）；j=1,2，…，Ng}的均值和均方差。</p><p><b>　?。?）方差：</b></p><p><b>　　(2.324)</b></p>

87、<p>　　式中μ是p（i，j）的均值。</p><p><b>　　(5)逆差矩：</b></p><p><b>　　(2.325)</b></p><p><b>　?。?）和平均：</b></p><p><b>　　(2.326)</b&

88、gt;</p><p><b>　?。?）和方差:</b></p><p><b>　?。?.327）</b></p><p><b>　　（8）和熵：</b></p><p><b>　?。?.328）</b></p><p>&

89、lt;b>　　（9）熵：</b></p><p><b>　?。?.329）</b></p><p><b>　　（10）差方差：</b></p><p>　　的方差 （2.330）</p><p

90、><b>　　（11）差熵：</b></p><p><b>　?。?.331）</b></p><p>　　（12）（13）相關信息測度：</p><p><b>　?。?.332）</b></p><p><b>　?。?.333）</b><

91、;/p><p>　　式中Hx為px的熵，Hy為py的熵，</p><p>　?。?4）最大相關系數(shù)：</p><p>　　矩陣Q的第二最大特征值</p><p>　　式中矩陣Q的第i行第j列元素為：</p><p><b>　?。?.334）</b></p><p>　　2.3

92、.3 灰度共生矩陣常用的特征參數(shù)</p><p>　　從上面給出的參數(shù)可以看出，灰度共生矩陣以及特征值的計算量很大，為了簡便起見，一般采用以下五個常用的特征來提取圖像的紋理特征：</p><p>　?。?）角二階矩（能量）</p><p>　　ASM= （3.35）</p>&

93、lt;p>　　角二階矩陣式灰度共生矩陣各元素的平方和，又稱為能量。它是圖像紋理灰度變化均一的度量，他反映了圖像灰度分布均勻程度和紋理粗細度，如果共生矩陣的所有值均相等，則ASM值就??；相反，如果其中一些值大而其他值小，則ASM值大。一副有著一致灰度圖像的灰度共生矩陣只有一個值，他等于圖像總像素數(shù)，它的ASM值最大。因此，ASM的值大則表明一種較均一和規(guī)則變化的紋理模式。</p><p>　?。?）對比度（慣

94、性矩）</p><p><b>　　CON=</b></p><p>　　對比度是灰度共生矩陣主對角線附近的慣性矩，它度量矩陣的值是如何分布和圖像中局部變化的多少，反映了圖像的清晰度和紋理的溝紋深淺。紋理的溝紋深，對比值大，效果清晰；反之，對比值小，則溝紋淺，效果模糊。</p><p><b>　?。?）相關：</b>&l

95、t;/p><p><b>　　其中：</b></p><p>　　它度量空間灰度共生矩陣元素在行或列方向上的相似程度，因此，相關值大小反映了圖像中局部灰度相關性。當矩陣元素值均勻相等時，相關值就打；相反，如果矩陣象元值相差很大則相關值小。當一副圖像中相似的紋理區(qū)域有某種方向性時，其差值較大。</p><p><b>　　（4）熵：<

96、/b></p><p>　　熵度量圖像紋理的隨機性。當空間共生矩陣中所有值均相等時，它取得最大值；相反，如果共生矩陣中的值非常不均勻時，其值較小。因此，熵的最大值暗示圖像中灰度分布非常隨機。</p><p>　?。?）逆差矩（局部平穩(wěn)性）：</p><p>　　它度量圖像紋理局部變化的多少。其值大則說明圖像紋理的不同區(qū)域缺少變化，局部非常均勻。</p&g

97、t;<p>　　對于特征紋理參數(shù)，如何選擇距離d和方向θ使所得的參數(shù)較好一直是研究的重點，通常情況下，小的d值可以提供比較好的結(jié)果。</p><p><b>　　2.4 本章小結(jié)</b></p><p>　　本章主要對圖像的紋理分析的定義，紋理分析的概況還有紋理的分析的一些常用方法進行了大致的介紹，并且對我們實習程序時所用的方法灰度共生矩陣法座了詳細的介

98、紹，并羅列出其中的參數(shù)及其主要的參數(shù)進行了一一介紹，為下一張程序的實現(xiàn)打下了堅實的基礎。</p><p>　　第三章 超聲肝臟紋理分析設計的應用</p><p>　　3.1 Visual C++開發(fā)環(huán)境及C++語言的簡介</p><p>　　3.1.1Visual C++開發(fā)環(huán)境</p><p>　　Visual C++這款軟件是微軟公司開

99、發(fā)的一個開發(fā)環(huán)境，Visual C++是一個功能強大的可視化軟件開發(fā)工具。從最早期的1.0版本，發(fā)展到最新的6.0版本，Visual C++已經(jīng)有了很大的變化，在界面、功能、庫支持方面都有許多的增強。最新的6.0版本在編譯器、MFC類庫、編輯器以及聯(lián)機幫助系統(tǒng)等方面都比以前的版本做了較大改進。 Visual C++開發(fā)環(huán)境一般分為三個版本:學習版、專業(yè)版和企業(yè)版，不同的版本適合于不同類型的應用開發(fā)。</p><p&g

100、t;　　集成開發(fā)環(huán)境（IDE）是一個將程序編輯器、編譯器、調(diào)試工具和其他建立應用程序的工具集成在一起的用于開發(fā)應用程序的軟件系統(tǒng)。Visual C++軟件包中的Developer Studio就是一個集成開發(fā)環(huán)境，它集成了各種開發(fā)工具和VC編譯器。程序員可以在不離開該環(huán)境的情況下編輯、編譯、調(diào)試和運行一個應用程序。IDE中還提供大量在線幫助信息協(xié)助程序員做好開發(fā)工作。Developer Studio中除了程序編輯器、資源編輯器、編譯器、

101、調(diào)試器外，還有各種工具和向?qū)Вㄈ鏏ppWizard和ClassWizard），以及MFC類庫，這些都可以幫助程序員快速而正確地開發(fā)出應用程序。 </p><p>　　MFC庫，庫（library）是可以重復使用的源代碼和目標代碼的集合。MFC（Microsoft Fundamental Casses）是Visual C++開發(fā)環(huán)境所帶的類庫，在該類庫中提供了大量的類，可以幫助開發(fā)人員快速建立應用程序。這些類可以提

102、供程序框架、進行文件和數(shù)據(jù)庫操作、建立網(wǎng)絡連接、進行繪圖和打印等各種通用的應用程序操作。使用MFC庫開發(fā)應用程序可以減少很多工作量。</p><p><b>　　項目開發(fā)過程</b></p><p>　　在一個集成的開發(fā)環(huán)境中開發(fā)項目非常容易。一個用C++開發(fā)的項目的通用開發(fā)過程可以用左圖表示。建立一個項目的第一步是利用編輯器建立程序代碼文件，包括頭文件、代碼文件、資

103、源文件等。然后，啟動編譯程序，編譯程序首先調(diào)用預處理程序處理程序中的預處理命令（如#include,#define等），經(jīng)過預處理程序處理的代碼將作為編譯程序的輸入。編譯對用戶程序進行詞法和語法分析，建立目標文件，文件中包括機器代碼、連接指令、外部引用以及從該源文件中產(chǎn)生的函數(shù)和數(shù)據(jù)名。此后，連接程序?qū)⑺械哪繕舜a和用到的靜態(tài)連接庫的代碼連接起來，為所有的外部變量和函數(shù)找到其提供地點，最后產(chǎn)生一個可執(zhí)行文件。一般有一個makefile

104、文件來協(xié)調(diào)各個部分產(chǎn)生可執(zhí)行文件。</p><p>　　可執(zhí)行文件分為兩種版本：Debug和Release。Debug版本用于程序的開發(fā)過程，該版本產(chǎn)生的可執(zhí)行程序帶有大量的調(diào)試信息，可以供調(diào)試程序使用，而Release版本作為最終的發(fā)行版本，沒有調(diào)試信息，并且?guī)в心撤N形式的優(yōu)化。一般我們采用Debug版本，這樣便于調(diào)試。Visual C++開發(fā)環(huán)境中集成了編輯器、編譯器、連接器以及調(diào)試程序，覆蓋了的開發(fā)應用程序

105、的整個過程，程序員不需要脫離這個開發(fā)環(huán)境就可以開發(fā)出完整的應用程序。 </p><p>　　3.1.2 C++概述</p><p>　　C++是美國貝爾實驗室的Bjarne Stroustrup 博士在C語言的基礎上，彌補了C語言存在的一些缺陷， 了面向?qū)ο蟮奶卣鳎?980年開發(fā)出來的一種過程性與對象性結(jié)合的程序設計語言。最初他把這種語言叫做含淚的C，到1983年才取名為C++。<

106、/p><p>　　C++解決了C語言中存在的一些局限，例如：</p><p>　　C語言的類型檢查機制相對較弱，這使得程序中的一些錯誤不能再編譯階段由編譯器檢查出來。</p><p>　　C語言本身幾乎沒有支持代碼中用的語言結(jié)構(gòu)。</p><p>　　C語言不適合開發(fā)大型程序。</p><p>　　C++繼承了C的原有精髓

107、，擴充增加了對開發(fā)大型軟件頗為有效的面向?qū)ο髾C制，彌補了C語言不支持代碼重用、不適宜開發(fā)大型軟件的不足，成為了一種既可以用于表現(xiàn)過程模型，又用于表現(xiàn)對象模型的優(yōu)秀的程序設計語言之一。</p><p>　　3.2紋理特征算法的實現(xiàn)</p><p>　　本文選用灰度共生矩陣方法對肝臟超聲圖像進行紋理分析。作為經(jīng)典的統(tǒng)計方法，灰度共生矩陣的缺點是計算量大。本文所以選擇它，其原因主要是:</

108、p><p>　　(1)灰度共生矩陣是一種相時成熟的紋理分析方法，其生成方式及相應特征量的計算都是經(jīng)過無數(shù)實踐驗證的。而且這種方法不受分析對象的制約，能夠很好的反映圖像的空間灰度分布情況，真正做到反映圖像的紋理特征，例如粗細，均勻，稠密度等，所以其應用廣泛。</p><p>　　(2)超聲圖像的紋理是一種隨機紋理，顯然不適合選擇結(jié)構(gòu)分析方法。而模型方法雖然可以直接將一種現(xiàn)有的成熟理論運用于紋理分

109、析，極大推進紋理的實用化步伐，但正是由于這些理論并非直接針對圖像紋理而產(chǎn)生，在利用這些理論及模型對圖像紋理進行分析描述的時候精度自然會受到影響，有些特征量的誤差甚至大到了讓人無法接受的地步?；叶裙采荜噭t可以得出反映圖像本身的紋理特性，不受現(xiàn)有模型的限制。</p><p>　　(3)肝臟作為人體器官，其超聲圖像受個人身體因素影響較大。小波雖然是現(xiàn)在紋理分析的熱點，但在小波分解空間中對紋理進行建模相對仍比較簡單，技

110、術改進也主要都集中在數(shù)據(jù)變換的形式方面而對圖像紋理特性有針對地建模探討比較少。所以其在超聲圖像領域中的應用價值仍有待商榷。</p><p>　　所以我們采用灰度共生矩陣的方法，選用VC完成算法實現(xiàn)，對肝臟超聲圖像進行紋理特征提取。</p><p>　　3.2.1 算法流程圖</p><p>　　根據(jù)課題需求，畫出大概的算法流程圖：</p><p&

111、gt;　　3.2.2 紋理特征值計算框架</p><p>　　如上小節(jié)流程圖我們大致能夠了解我們程序的實現(xiàn)框架首先我們調(diào)用MakeBitmap來建立一個內(nèi)存位圖，即在打開一個圖片的時候首先把圖片貯存在存儲器中需要的時候增在文本框?qū)⒄{(diào)用MyDraw將圖像顯示出來；</p><p>　　// 建立一個內(nèi)存位圖</p><p>　　void CTextureDlg::Ma