医学图像处理期末复习

Posted 2021-07-17 Melody袁

一些基本概念

象素、尺度、分辨率和强度分辨率:

组成图像的最小基本元素称作象素（Pixel）。
图像的分辨率（Size），又称作图像的尺度。

图像尺度的计算公式为：
$$S=N_x\ast N_y$$
图像采样分辨率是指的是在一定长度上像素的数量，其单位为ppi（pixelsperinch），即每英寸上的像素数量。

图像的采样分辨率越高（表示每英寸长度上的像素数量越多），图像越精细，颜色过渡越平滑，且图像包含的信息量也越大，图像文件也越大。

象素本身也有自己的大小，即对应实际物体空间的大小。尽管在图像处理过程中，可以根据需要设定象素的大小，但象素对应的最小尺度是受到成像设备本身的分辨能力限制的。例如某个MR扫描仪生成的图像的分辨是2mm x 2mm。

图像的另一个重要属性就是强度（Intensity）。

对于黑白图像来说，图像的强度是用灰度的等级（Gray level）表示的。灰度等级往往用2的整数次幂表示，例如8bit（256 个灰度等级）。常用的还有10bit、12bit等灰度等级。一幅图像的灰度分辨率越高，它所能够表现的细节就越细。如果灰度分辨率不够高的话，图像的细节就会丢失，甚至出现图像模糊和马赛克现象。

图像对比度的概念：
对比度：通俗地讲，就是亮暗的对比程度。
对比度通常表现了图像画质的清晰程度。
对比度的计算：

δ(i，j)=| i - j |表示相邻像素间的灰度差
Pδ(i，j)即相邻像素间的灰度差为δ的像素分布概率

像素相邻：

对比度的计算示例：
设图像为
计算：

动态范围

动态范围：是指图像中所记录的场景中从暗到亮的变化范围。
动态范围对人视觉的影响：由于人眼所可以分辨的灰度的变化范围是有限的，所以当动态范围太大时，很高的亮度值把暗区的信号都掩盖了。

灰度直方图

对一幅图像所包含的全部象素的灰度做统计，并以横坐标表示灰度值，纵坐标表示图像中具有该灰度的象素个数，这样绘制出的曲线称作图像灰度分布直方图（histogram）。

性质

（1）灰度直方图反映的是图像灰度的统计性质,不包含空间位置信息。
上面左右两幅图像内容不同，但具有相同的直方图。

（2）从直方图可以看出图像的总体性质
a. 图像总体偏暗。 b. 图像总体偏亮。c. 图像动态范围小，细节不够清楚。 d. 图像灰度分布均匀，清晰明快。e. 图像动态范适中。 f. 图像动态范围偏小。 g. 图像动态范围偏大。

直方图的线性拉伸与压缩

假设图像最大灰度为Imax的话，受人眼分辨能力的限制，在该图像中如果相临两个区域的灰度差小于Imax/16，就很难将这两个区域分开。通过映射的方法将原来的直方图分开些，称作直方图的拉伸。

直方图的分段映射

有时如果对某一个灰度范围的图像细节要求不高，我们也可将这灰度段用映射的方法压缩。不管是拉伸还是压缩，最常用的方法都是线性映射。
如果对同一幅图像要做两种以上的处理，可以采用分段线性映射。下图就是直方图分段线性映射的例子。这里，p（r）~ r 是原来的直方图，p(s) ~ s 是变换后的直方图。s ~ r的映射关系为：

从映射曲线斜率可以看出与直方图拉伸、压缩间的关系。
设曲线与横轴夹角为θ，则有
当θ>45°时，灰度段拉伸，有助于观察；
当θ<45°时，灰度段压缩，有抑制背景作用。

下图给出的是几种灰度映射曲线。

值得注意的是，当将某一个中间灰度段拉伸，进行细致观察；同时将高端灰度段压缩。压缩后高灰度部分会变得最亮，形成许多干扰点。一般使高灰度压缩后置为零值，变成最暗，免除其对目标图像的干扰。

归一化直方图

设图像中灰度为i的象素个数是ni，全部象素数为N，则定义图像的归一化直方图为：
鉴于医学图像的特点，低灰度的背景区域较大，往往出现在靠近纵轴处高计数，而在其它灰度处幅度显示过低的情况。

灰级窗

当256个灰度级所表示的亮暗范围内的信息量太大，没办法很好地表述时，通过开窗的方式，每次只把窗内的灰度级展宽，而把窗外的灰度级完全抑制掉。

例如：CT图像的原始数据为12bit （或是16bit），要将其显示出来，则只能转换为8bit，于是有了16归并为1（或256归并为1）的需要。这时，开骨窗、肌肉窗、组织窗就可分别清晰地显示相应的内容。

灰级窗的实现方法

如图所示，灰级窗实际上是线性对比度展宽的一种特殊形式。

灰级窗的效果示例

局部二进制模式(LBP)

邻域的选取方式：

示例：

彩色编码

图像的色彩在医学图像分析和应用中起着重要作用。尽管彩色图像的色彩多种多样，它们都可分解为三种基本的成分，即可以用红（Red）、绿（Green）、蓝（Blue）三种基色的组合表示。
对于256种色彩的图像，在图像数据集中RGB各用一个字节表示。
组织切片的光学照片数字化后就采用彩色图像数据格式，可以较真实地反映组织特性。
CT、MRI等扫描图像本身是没有颜色的。临床扫描的医学图像多是灰度图像，一般有256个灰度分度或更多。人的肉眼能够直接分辨的灰度等级只有16个左右，但是人眼对色彩的微小变化较为敏感。
因此，医学上往往用人工方法给这些图像赋予一些颜色，将这些灰度图像转换为彩色图像增强人们对图像的分辨和理解。为了与物体固有的真颜色予以区别，这种人工色彩被称作假彩色或伪彩色。

颜色视觉

色调(Hue)又称为色相，指颜色的外观，用于区别颜色的名称或颜色的种类。色调用红、橙、黄、绿、青、蓝、靛、紫等术语来刻画。

饱和度(Saturation)是指色彩的纯度，纯度越高，表现越鲜明，纯度较低，表现则较黯淡。完全饱和的颜色是指没有渗入白光所呈现的颜色，例如仅由单一波长组成的光谱色就是完全饱和的颜色。

亮度(Intensity)是视觉系统对可见物体辐射或者发光多少的感知属性。它和人的感知有关。亮度的一个极端是黑色( 没有光)，另一个极端是白色，在这两个极端之间是灰色。

颜色模型

RGB

CMY

CMY颜色空间是另一种基于颜色减法混色原理的颜色模型。在工业印刷中它描述的是需要在白色介质上使用何种油墨，通过光的反射显示出颜色的模型。

CMY描述的是青（Cyan)，品红(Magenta)，黄(Yellow)和黑四种油墨的数值。

CMY常用于从白光中滤去某种颜色，又被称为补色系统。

CMY颜色模型与RGB颜色模型几乎完全相同。差别仅仅在于前者的原点为白，而后者的原点为黑。前者是定义在白色中减去某种颜色来定义一种颜色，而后者是通过从黑色中加入颜色来定义一种颜色。

HSI

HSI彩色空间：根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型。RGB和CMY颜色模型都是面向硬件的，而HSI颜色模型是面向用户的。
亮度（I）与反映色彩本质特性的两个参数－色度（H）和饱和度（S）――分开 。

光照明暗给物体颜色带来的直接影响就是亮度分量（I），所以若能将亮度分量从色彩中提取出去，而只用反映色彩本质特性的色度、饱和度来进行聚类分析，会获得比较好的效果。这也正是HSI模型在彩色图像处理和计算机视觉的研究中经常被使用的原因。

亮度分量I：表示光照强度或称为亮度，它确定了像素的整体亮度，而不管其颜色是什么。
色度分量H：表示色度，由角度表示。反映了该颜色最接近什么样的光谱波长。0°为红色，120°为绿色，240°为蓝色。

饱和度分量S：表示饱和度，饱和度参数是色环的原点到彩色点的半径长度。
在环的外围圆周是纯的或称饱和的颜色，其饱和度值为1。在中心是中性（灰）色，即饱和度为0。

HSI与RGB的转换

YCbCr

一种彩色传输模型，主要用于彩色电视信号传输标准。

Y－黑白亮度分量，Cb,Cr－表示蓝色浓度偏移和红色浓度偏移。

人的肉眼对由YCbCr色彩空间编码的视频中的Y分量更敏感，而Cb和Cr的微小变化不会引起视觉上的不同，通过对Cb和Cr进行子采样来减小图像的数据量，使得图像对存储需求和传输带宽的要求大大降低。

YUV

Y：亮度；U，V：色差信号。
目的是为了可以使电视节目可同时被黑白电视及彩色电视接收。
电视信号在发射时，转换成YUV形式；接收时再还原成RGB三基色信号，由显像管显示。

伪彩色指图像中象素的颜色与原灰度图像中的灰度值有定量的转换关系。典型的有金属色（Metal color）与彩虹色（Rainbow color）两种。
(1) 金属色
金属在不同温度下表面颜色不同。铁等金属在温度较低时是暗黑色，在加温后颜色会渐渐变红，继续提高温度，就会变成白炽的颜色。金属色是模拟金属加热过程，将原灰度图像中象素的灰度按数值大小映射为相应的颜色。即低灰度对应黑色，强度高些对应红色，再高对应白色等。下图所示为用金属色表示的人脑MR图像。

(2) 彩虹色
与金属色原理一样，只不过颜色与灰度的映射关系不同。彩虹色是将图像灰度模拟可见光光谱中多种颜色转换。顺序不限于赤、橙、黄、绿、青、兰、紫，只要有色彩与灰度值的对应关系即可。下图是用彩虹色表示的人脑帕金森病治疗前后多巴胺含量分布的例子。兰色等较暗的颜色表示多巴胺浓度较低，红、黄等暖色表示多巴胺浓度较高。

假彩色：与伪彩色不同，假彩色图像的颜色只是为了突出图像中的感性趣区或将某一对象与周围区域区分开，会人为地赋予这些区域某种特定的颜色。这种颜色与原灰度图没有定量关系。

例如下图所示的人脑脑叶的假彩色显示。各种颜色只是用来区分不同的脑叶,没有其他含义。