醫(yī)學數(shù)字圖像畢業(yè)論文

1、<p><b>　　摘 要</b></p><p>　　隨著科學技術(shù)，特別是信息技術(shù)的發(fā)展，圖象處理技術(shù)己經(jīng)成為科學研究不可缺少的強有力工具。從60年代開始，首先在航天領(lǐng)域采用計算機圖象處理方法處理從月球傳回的照片取得碩果。迄今為止，已在各行業(yè)、各學科廣泛應(yīng)用，較典型的如遙感圖象處理中氣象的大區(qū)形勢、地理地圖繪制、地質(zhì)勘探、農(nóng)業(yè)生產(chǎn)、森林資源調(diào)查、海洋監(jiān)測等。另一典型應(yīng)用是醫(yī)學工

2、程領(lǐng)域，如顯微圖象處理、紅、白血球的分析計數(shù)、染色體分析等，對提高人民的健康水平有極大作用。</p><p>　　本實驗在醫(yī)學方面主要內(nèi)容是以血液中的紅細胞為研究對象，利用數(shù)字圖像處理技術(shù)實現(xiàn)血液中紅細胞的提取，以提高紅細胞檢驗的準確度，減少人為的判斷誤差，降低勞動強度，提高工作效率。</p><p>　　本論文對紅細胞圖像的處理和提取，采用了數(shù)字圖象處理中的彩色圖像灰度化、灰度拉伸、中值

3、濾波、圖像閾值處理二值化、數(shù)學形態(tài)學的腐蝕、開閉運算等一系列處理方法，得了較好的提取效果。本研究會大大提高工作效率，對細胞的提取檢測具有重要的意義</p><p>　　關(guān)鍵詞：圖像處理； 紅細胞； 數(shù)學形態(tài)學； 提取 </p><p><b>　　ABSTRACT</b></p><p>　　Along with the science and

4、 technology, especially information technology development, the image processing technology has been become the indispensable strong scientific research tools. From the 60 s, first in aerospace field using computer image

5、 processing method processing from the moon photos get rich fruits. So far, has set up a file in the various industries, various disciplines widely used, typical such as remote sensing image processing of the regional si

6、tuation, geography weather map, ge</p><p>　　This experiment in the medicine main content is in the blood of the red blood cells as the research object, using digital image processing technology in the blood

7、of the red blood cells to achieve different extraction, in order to improve the accuracy of red blood cells inspection, reduce human judgment error, the reduction of labor intensity, improve the work efficiency. </p&g

8、t;<p>　　In this paper, the red blood cell image processing and extraction, the image processing of color images of gray, gray stretch, median filtering, image threshold processing of binary mathematical morphology

9、, the corrosion, open and close operation and so on a series of processing method, and had a good extraction effect. This seminar greatly improve work efficiency, and to the extraction of cell detection is of great signi

10、ficance </p><p>　　Keywords: image processing; Red blood cells; Mathematical morphology; extraction</p><p><b>　　目 錄</b></p><p><b>　　0.緒論1</b></p>&

11、lt;p>　　0.1 論文研究的目的和意義1</p><p>　　0.2 國內(nèi)外現(xiàn)狀1</p><p>　　0.3 本論文主要研究工作2</p><p>　　2. 運行可行性7</p><p>　　2.1 硬件環(huán)境7</p><p>　　2.2 編程語言與運行平臺7</p>

12、<p>　　2.2.1 運行環(huán)境7</p><p>　　2.2.2 編程語言8</p><p>　　3. 圖像預處理8</p><p>　　3.1 圖像基本知識8</p><p>　　3.1.1 圖像數(shù)據(jù)格式8</p><p>　　3.2 預處理9</p><p>

13、;　　3.2.1 彩色圖像灰度化9</p><p>　　3.2.2 圖像的灰度拉伸10</p><p>　　3.2.3 圖像的平滑處理12</p><p>　　4． 圖像的二值化16</p><p>　　4.1 閾值處理方法16</p><p>　　4.1.1 全局閾值法16</p>

14、<p>　　4.1.2 局部閾值法17</p><p>　　4.2 二值化處理及結(jié)果17</p><p>　　5. 圖像的數(shù)學形態(tài)學處理分析提取20</p><p>　　5.1 數(shù)學形態(tài)學的基本符號與術(shù)語20</p><p>　　5.1.1 元素和集合20</p><p>　　5.1.

15、2 交集、并集和補集21</p><p>　　5.1.3 目標和結(jié)構(gòu)元素21</p><p>　　5.2 圖像腐蝕21</p><p>　　5.3 圖像膨脹23</p><p>　　5.4 開運算和閉運算23</p><p>　　5.5 形態(tài)學處理后的細胞提取結(jié)果與分析24</p>

16、<p>　　6. 軟件界面設(shè)計及運行25</p><p>　　6.1 界面設(shè)計25</p><p>　　6.2程序流程圖27</p><p><b>　　結(jié) 論28</b></p><p><b>　　致 謝29</b></p><p><b&

17、gt;　　參考文獻30</b></p><p><b>　　0.緒論</b></p><p>　　近年來，隨著計算機及其相關(guān)技術(shù)的迅速發(fā)展及圖形圖像技術(shù)的日漸成熟，使得該技術(shù)逐步滲入醫(yī)學領(lǐng)域中，開創(chuàng)了數(shù)字的新時代。自20世紀90年代，借助計算機圖像處理與分析、計算機圖形學、虛擬現(xiàn)實和計算機網(wǎng)絡(luò)與技術(shù)的醫(yī)學處理與分析，一直是國內(nèi)外研究與應(yīng)用的熱點，也逐漸形

18、成了具有特色的一門交叉學科[1]。</p><p>　　醫(yī)學是關(guān)系到千千萬萬人的身心健康的應(yīng)用學科，醫(yī)學的發(fā)展水平體現(xiàn)了一個國家的人民生活標準，代表了一個國家的綜合國力。自古以來，“望、聞、問、切”都是國內(nèi)外進行醫(yī)學診斷最基本的手段。但是，自倫琴1895年發(fā)現(xiàn)X射線以來，醫(yī)學的診斷方式發(fā)生了翻天覆地的變化。隨著可視化技術(shù)的不斷發(fā)展，現(xiàn)代醫(yī)學已越來越離不開醫(yī)學圖像的信息處理，醫(yī)學圖像在臨床診斷、教學科研等方面正發(fā)揮

19、著極其重要的作用。目前，醫(yī)學影像包括B超掃描圖機圖像、X射線透視圖像、核磁共振圖像、CT圖像、PET圖像、SPECT圖像、數(shù)字X光機圖像、各種電子內(nèi)窺圖像、顯微鏡下病理切片圖像等，同時，更清晰、更有診斷價值的高質(zhì)量醫(yī)學圖像正在不斷研究和發(fā)展中[2]。</p><p>　　0.1 論文研究的目的和意義</p><p>　　醫(yī)學圖像處理與分析是近年來興起的新興交叉學科，正方興未艾。借助圖形、

20、圖像技術(shù)的有力手段，醫(yī)學圖像的質(zhì)量和顯示方法得到極大的改善，從而借助于圖像處理與分析手段使得診療水平大大提高。這不僅可以基于現(xiàn)有的醫(yī)學圖像設(shè)備來極大地提高醫(yī)學臨床診斷水平，而且能為醫(yī)學培訓、醫(yī)學研究與教學、計算機臨床外科手術(shù)等，提供數(shù)字實現(xiàn)手段，為醫(yī)學的研究與發(fā)展，提供堅實的基礎(chǔ)，具有不可估量的價值[3]。</p><p>　　0.2 國內(nèi)外現(xiàn)狀 </p><p>　　目前，世界上已有不

21、少國家的機構(gòu)開始致力于這個領(lǐng)域的研發(fā)工作，并且研究出一些面向臨床的功能簡單的圖像處理與分析系統(tǒng)。這些系統(tǒng)雖然僅能提供有限的臨床所需的功能，但在臨床研究中已經(jīng)發(fā)揮重要的作用。正是由于醫(yī)學圖像處理與分析對臨床醫(yī)學的發(fā)展有著促進作用，因而，醫(yī)學圖像處理與分析的研究正逐步受到許多國家的重視[4]。</p><p>　　而今我國人口眾多，醫(yī)療手段和診斷水平的高低直接關(guān)系到我國十幾億人口的切身利益，提高我國的醫(yī)療水平勢在必行

22、。我國的醫(yī)院在過去十多年間，引進</p><p>　　大批先進的醫(yī)學圖像設(shè)備，對提高診斷水平起到重要的積極作用。但由于多方面的原因，大多數(shù)醫(yī)學圖像設(shè)備，通常只配置一臺打印機或X光膠片做圖像記錄，醫(yī)生通過肉眼觀察儀器屏幕的圖像進行診斷。由于圖像質(zhì)量不夠好，而且一些醫(yī)生缺乏臨床經(jīng)驗和專業(yè)知識，診斷水平不夠理想。目前，一些醫(yī)院的誤診率還是較高，因此，改善臨床診斷的方法，提高臨床診斷的準確率在我國十分重要而迫切。<

23、/p><p>　　1995年，國家醫(yī)療衛(wèi)生信息產(chǎn)業(yè)工程，即“金衛(wèi)工程”，納入國家“金”字系列工程，并在1996年確定了國家級“金衛(wèi)工程”試點城市，這標志著我國醫(yī)療衛(wèi)生信息現(xiàn)代化建設(shè)邁出了可喜的一步，為在醫(yī)學領(lǐng)域?qū)崿F(xiàn)高技術(shù)化，趕超世界先進水平提供了良好的契機。隨著“金衛(wèi)工程”的進展，國內(nèi)也越來越重視計算機及圖像處理技術(shù)在醫(yī)學領(lǐng)域的應(yīng)用，一些研究機構(gòu)，醫(yī)療單位和公司企事業(yè)都有進行該領(lǐng)域的研發(fā)工作[5]。</p>

24、;<p>　　0.3 本論文主要研究工作</p><p>　　由于醫(yī)學圖像是一個新的研究領(lǐng)域，它自身的特點決定我們不能應(yīng)用傳統(tǒng)的基于光強度的光學圖像研究方法來處理。因此，必須提出新的、有針對性的理論和方法來進行研究。另外，醫(yī)學圖像的處理還需要多領(lǐng)域的知識，所以，該學科的研究需要結(jié)合醫(yī)學專家的指導，從這個意義上講，該學科的人機結(jié)合問題，如何使得醫(yī)學領(lǐng)域的專家與計算機有機結(jié)合起來，也是該領(lǐng)域具有特色的

25、問題[6]。</p><p>　　圖像的預處理技術(shù)對圖像數(shù)據(jù)進行各種處理以期得到最好的顯示效果。常用的預處理技術(shù)有濾波、增強等變換技術(shù)，濾波、增強、恢復操作可以消除圖像數(shù)據(jù)中的噪聲，提高圖像質(zhì)量，譬如，對X射線或磁共振的數(shù)據(jù)等進行濾波處理，以消減圖像數(shù)據(jù)中的噪聲，突出感興趣的生物組織[7]。</p><p>　　本論文在醫(yī)學圖像方面主要內(nèi)容是對紅細胞圖像進行處理從而提取紅細胞。技術(shù)方面的主

26、要研究內(nèi)容是通過圖像處理技術(shù)中的彩色圖像灰度化、灰度拉伸、中值濾波、圖像閾值處理二值化、數(shù)學形態(tài)學的腐蝕、開閉運算得到較為完整的紅細胞圖像。結(jié)合上述處理結(jié)果實現(xiàn)紅細胞細胞圖像的提取。</p><p>　　1． 數(shù)字圖像處理</p><p>　　1.1 圖像與數(shù)字圖像</p><p>　　圖像就是用各種觀測系統(tǒng)觀測客觀世界獲得的且可以直接或間接作用與人眼而產(chǎn)生視覺

27、的實體。視覺是人類從大自然中獲取信息的最主要的手段。拒統(tǒng)計，在人類獲取的信息中，視覺信息約占60%，聽覺信息約占20%，其他方式加起來才約占20%。由此可見，視覺信息對人類非常重要。同時，圖像又是人類獲取視覺信息的主要途徑，是人類能體驗的最重要、最豐富、信息量最大的信息源。通常，客觀事物在空間上都是三維(3D)的，但是從客觀景物獲得的圖像卻是屬于二維(2D)平面的。</p><p>　　圖像存在方式多種多樣，可以

28、是可視的或者非可視的，抽象的或者實際的，適于計算機處理的和不適于計算機處理的。但就其本質(zhì)來說，可以將圖像分為以下兩大類。</p><p>　　模擬圖像。包括光學圖像、照相圖像、電視圖像等。比如人在顯微鏡下看到的圖像就是一幅光學模擬圖像。對模擬圖像的處理速度快，但精度和靈活性差，不易查找和判斷。</p><p>　　數(shù)字圖像。數(shù)字圖像是將連續(xù)的模擬圖像經(jīng)過離散化處理后得到的計算機能夠辨識的點

29、陣圖像。在嚴格意義上講，數(shù)字圖像是經(jīng)過等距離矩形網(wǎng)格采樣，對幅度進行等間隔量化的二維函數(shù)。因此，數(shù)字圖像實際上就是被量化的二維采樣數(shù)組。</p><p>　　一幅數(shù)字圖像都是由若干個數(shù)據(jù)點組成的，每個數(shù)據(jù)點稱為像素(pixel)。比如一幅256×400，就是指該圖像是由水平方向上256列像素和垂直方向上400行像素組成的矩形圖。每一個像素具有自己的屬性，如顏色(color)、灰度(gray scale)

30、等，顏色和灰度是決定一幅圖像表現(xiàn)里的關(guān)鍵因素。其中顏色量化等級包括單色、四色、16色、256色、24位真彩色等，量化等級越高，則量化誤差越小，圖像的顏色表現(xiàn)力越強。同樣，灰度是單色圖像中像素亮度的表征，量化等級越高，表現(xiàn)力越強。但是隨著量化等級的增加，數(shù)據(jù)量將大大增加，使得圖像處理的計算量和復雜度相應(yīng)的增加。</p><p>　　與模擬圖像相比，數(shù)字圖像具有以下顯著優(yōu)點：</p><p>

31、　?。?）處理方便。數(shù)字圖像在本質(zhì)上是一組數(shù)據(jù)，所以可以用計算機對他進行任意方式的修改，如放大、縮小、改變顏色、復制和刪除某一部分等。</p><p>　?。?）精度高。目前的計算機技術(shù)可以將一幅模擬圖像數(shù)字化為任意的二維數(shù)組，即數(shù)字圖像可以由無限個像素組成，每個像素的亮度可以量化為12位(即4096個灰度級)，這樣的精度是數(shù)字圖像處理與彩色照片的效果相差無幾。</p><p>　?。?）

32、重復性好。模擬圖像，如照片，即便是使用非常好的底片和相紙，也會隨著時間的流逝而褪色、發(fā)黃，而數(shù)字圖像可以存儲在光盤中，上百年后再用計算機重現(xiàn)也不會有絲毫的改變[8]。</p><p>　　1.2 數(shù)字圖像處理技術(shù)內(nèi)容與特點</p><p>　　數(shù)字圖像處理就是采用一定的算法對數(shù)字圖像進行處理，以獲得人眼視覺或者某種接受系統(tǒng)所需要的圖像處理過程。圖像處理的基礎(chǔ)是數(shù)字，主要任務(wù)是進行各種算法設(shè)

33、計和算法實現(xiàn)。</p><p>　　目前，圖像處理技術(shù)已經(jīng)在許多不同的應(yīng)用領(lǐng)域中得到重視，并取得了巨大成就。根據(jù)應(yīng)用領(lǐng)域要求的不同，數(shù)字圖像處理技術(shù)可以分為許多分支技術(shù)。重要的分支技術(shù)有：</p><p>　?。?）圖像變換。圖像陣列很大時，若直接在空域中處理，計算量將很大。為此，通常采用各種圖像變換方法，如傅立葉變換、沃爾什變換、離散余弦變換、小波變換等間接處理技術(shù)，將空域處理轉(zhuǎn)換到變換

34、域處理，這樣可以有效地減少計算量，提高處理性能。</p><p>　?。?）圖像分割。圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一，是為了將圖像中有意義的特征提取出來。它是進一步進行圖像識別、分析和理解的基礎(chǔ)。圖像的有意義特征包括圖像的邊緣、區(qū)域等。</p><p>　　（3）圖像識別。圖像識別屬于模式識別的范疇，起主要內(nèi)容是在圖像經(jīng)過某些預處理（增強、復原、壓縮）后，進行圖像分割和提取，從而進

35、行判別分類。 圖像分類常用的經(jīng)典識別方法有統(tǒng)計模式分類和句法模式分類。近年來，新發(fā)展起來的模糊模式識別和人工神經(jīng)網(wǎng)絡(luò)模式分類在圖像識別中越來越受到重視。</p><p>　　（4）圖像增強與復原。主要目的是增強圖像中的有用信心，削弱干擾和噪聲，使圖像更加清晰，或者將其轉(zhuǎn)換為更適合人或機器分析的形式。圖像增強并不是要求真實地反映原始圖像，而圖像復原則要求盡量消除或減少獲取圖像過程中所產(chǎn)生的某些退化，使圖像能

36、夠反映原始圖像的真實面貌。</p><p>　?。?）圖像分析。對圖像中的不同對象進行分割、分類、識別、描述和解釋。</p><p>　?。?）圖像隱藏。是指媒體信息的相互隱藏，常見的有數(shù)字水印和圖像的信息偽裝等。</p><p>　?。?）圖像壓縮編碼。在滿足一定保真度條件下，對圖像信息進行編碼，可以壓縮圖像信息量，簡化圖像的邊式，從而大大壓縮圖像描述的數(shù)據(jù)量，以

37、便存儲和傳輸；圖像壓縮在不同應(yīng)用背景下可以采用不失真壓縮和失真壓縮。</p><p>　　以上圖像處理內(nèi)容也并非孤立存在的，往往相互聯(lián)系，而一個實用的圖像處理系統(tǒng)通常需要將幾種圖像處理技術(shù)結(jié)合起來，才能得到所需要的結(jié)果。例如，圖像變換是圖像編碼技術(shù)的基礎(chǔ)，而圖像增強與復原一般又是圖像處理的最終目的，也可以作為進一步圖像處理工作的準備；通過圖像分割得到的圖像特征既可以作為最后結(jié)果，也可以作為下一步圖像分析的基礎(chǔ)[8

38、]。</p><p>　　不同的圖像處理技術(shù)應(yīng)用與不同的領(lǐng)域，發(fā)展出不同的分支學科，如遙感圖像處理、醫(yī)學圖像處理等，其他如計算機圖形學、模式識別、人工智能和機器人視覺等學科領(lǐng)域也與圖像處理有著密切的關(guān)系。 </p><p>　　圖像處理技術(shù)的發(fā)展大致經(jīng)歷了初創(chuàng)期、發(fā)展期、普及期和實用化期四個階段。初創(chuàng)期開始與20世紀60年代，當時的圖像采用像素型光柵進行少秒顯示，大多采用中、大型機對其處理

39、。在這一時期，由于圖像存儲成本高、處理設(shè)備昂貴，其應(yīng)用面很窄。進入20世紀70年代的發(fā)展期，開始大量采用中、小型機進行處理，圖像處理也逐漸改用光柵掃描方式，特別是CT和衛(wèi)星遙感圖像的出現(xiàn)，對圖像處理技術(shù)的發(fā)展起到了很好的推動作用。到了20世紀80年代，圖像處理技術(shù)進入普及期，此時的微機已經(jīng)能夠擔當起圖形圖像處理的任務(wù)。超大規(guī)模集成電路（Very Large Scale Integration, VLSI）的出現(xiàn)更使處理速度大大提高，設(shè)備

40、造價也進一步降低，極大地促進了圖形圖像系統(tǒng)的普及和應(yīng)用。20世紀90年代是圖像處理技術(shù)的實用化時期，圖像處理的信息量巨大，對處理速度的要求極高。</p><p>　　針對現(xiàn)有的實際應(yīng)用，數(shù)字圖像處理具有以下特點。</p><p>　?。?）占用頻帶較寬。與語音信息相比，數(shù)字圖像占用的頻帶要大幾個數(shù)量級。如電視圖像的帶寬約56MHz，而語音帶寬僅為4KHz左右。所以數(shù)字圖像在成像、傳輸、存儲

41、、處理、顯示等各個環(huán)節(jié)的實現(xiàn)上，技術(shù)難度較大，成本高，且對頻帶壓縮技術(shù)提出了更高的要求。</p><p>　　（2）信息量大，要求處理速度比較快。目前，數(shù)字圖像處理的信息大多是二維信息，處理信息量很大。比如一幅256×256低分辨率的黑白圖像，要求64Kbit的數(shù)據(jù)量；對高分辨率彩色512×512圖像，則要求256Kbit數(shù)據(jù)量；如果要處理30幀/s的視頻圖像，則每秒要求處理500Kbit-2

42、2.5Mbit數(shù)據(jù)量。因此對計算機的計算速度、存儲容量等要求較高。</p><p>　?。?）數(shù)字圖像中各個像素間的相關(guān)性強，壓縮潛力大。在圖像畫面上，經(jīng)常有很多像素有相同或接近的灰度。就電視畫面而言，同一行中相鄰兩個像素或相鄰兩行間的像素，其相關(guān)系數(shù)可達0.9以上。一般而言，相鄰兩幀之間的相關(guān)性比幀內(nèi)相關(guān)性還要大。因此，圖像處理中的信息壓縮潛力巨大。</p><p>　　（4）圖像處理技

43、術(shù)綜合性強。數(shù)字圖像處理技術(shù)中設(shè)計的基礎(chǔ)知識和專業(yè)技術(shù)相當廣泛，通常涉及通信技術(shù)、計算機技術(shù)、電子技術(shù)、電視技術(shù)以及更多的數(shù)學、物理等方面的基礎(chǔ)知識。例如，圖像編碼的理論基礎(chǔ)是信息論和抽象數(shù)學的結(jié)合，而圖像識別則需要掌握隨機過程和信號處理方面的知識。此外，不少課題還需要更加專業(yè)的知識，如小波變換、神經(jīng)網(wǎng)絡(luò)、分形理論等。</p><p>　?。?）圖像質(zhì)量評價受主觀因素影響。數(shù)字圖像處理后的圖像一般需要給人觀察和評

44、價，而人的視覺系統(tǒng)很復雜，受環(huán)境條件、視覺性能、人的情緒、愛好以及知識狀況影響很大，因此評價結(jié)果受人的主觀因素影響較大。為此，如何客觀評價圖像質(zhì)量還有待進一步深入的研究。另外，計算機視覺是模仿人的視覺，人類的感知原理必然嚴重影響計算機視覺的研究[8]。</p><p>　　另外，圖像處理是一門應(yīng)用性很強的學問，必須與計算機技術(shù)的發(fā)展相適應(yīng)。隨著電子技術(shù)和計算機技術(shù)的不斷提高和普及，數(shù)字圖像處理技術(shù)進入高速發(fā)展時期

45、[8]。</p><p><b>　　2. 運行可行性</b></p><p><b>　　2.1 硬件環(huán)境</b></p><p>　　對紅細胞圖像進行處理首先要獲取紅細胞數(shù)字圖像，通常獲取圖像的裝置由光學顯微鏡、CCD攝像頭、圖像采集卡、計算機系統(tǒng)(PII兼容機)及外設(shè)附件(HP6L激光打印機等)組成。</p

46、><p>　　光學顯微鏡中紅細胞涂片樣品的圖像經(jīng)CCD攝像頭轉(zhuǎn)換為視頻信號，傳輸?shù)接嬎銠C中的圖像采集卡，并轉(zhuǎn)換為數(shù)字圖像供計算機進行處理、儲存、顯示、打印輸出等。</p><p>　　2.2 編程語言與運行平臺</p><p>　　2.2.1 運行環(huán)境</p><p>　　Microsoft開發(fā)的Windows是目前世界上用戶最多，且兼容性最

47、強的操作系統(tǒng)。最早的Windows操作系統(tǒng)從1985年就推出了，改進了微軟以往的命令、代碼系統(tǒng)Microsoft Disk Operating Systerm（簡稱MS-DOS）。Microsoft Windows是彩色界面的操作系統(tǒng)，支持鍵鼠功能。默認的平臺是由任務(wù)欄和桌面圖標組成的，任務(wù)欄是顯示正在運行的程序、“開始”菜單、時間、快速啟動欄、輸入法以及右下角托盤圖標組成。而桌面圖標是進入程序的途徑。默認系統(tǒng)圖標有“我的電腦”、“我的

48、文檔”、“回收站”。另外，還會顯示出系統(tǒng)自帶的“IE瀏覽器”圖標，運行的三公開核心部分。由于Windows平臺在PC中的廣泛應(yīng)用，故而本文采用Windows作為圖像處理平臺。</p><p>　　本文使用的數(shù)字圖像處理軟件為Microsoft Visual C++6.0。</p><p>　　Microsoft Visual C++是Microsoft公司推出的開發(fā)Win32環(huán)境程序，面向

49、對象的可視化集成編程系統(tǒng)。它不但具有程序框架自動生成、靈活方便的類管理、代碼編寫和界面設(shè)計集成交互操作、可開發(fā)多種程序等優(yōu)點，而且通過簡單的設(shè)置就可使其生成的程序框架支持數(shù)據(jù)庫接口、OLE2，WinSock網(wǎng)絡(luò)、3D控制界面 。Microsoft Visual C++具有集成開發(fā)環(huán)境，可提供編輯C語言，C++以及C++/CLI等編程語言。VC++整合了便利的除錯工具，特別是整合了微軟視窗程式設(shè)計（Windows API）、三維動畫Dir

50、ectX API，Microsoft .NET框架。</p><p>　　Microsoft Visual C++以擁有“語法高亮”，IntelliSense（自動編譯功能）以及高級除錯功能而著稱。比如，它允許用戶進行遠程調(diào)試，單步執(zhí)行等。還有允許用戶在調(diào)試期間重新編譯被修改的代碼，而不必重新啟動正在調(diào)試的程序。其編譯及建置系統(tǒng)以預編譯頭文件、最小重建功能及累加連結(jié)著稱。這些特征明顯縮短程式編輯、編譯及連結(jié)的時間

51、花費，在大型軟件計劃上尤其顯著。</p><p>　　2.2.2 編程語言</p><p>　　C++這個詞在中國大陸的程序員圈子中通常被讀做“C加加”，而西方的程序員通常讀做“C plus plus”，“CPP”。 它是一種使用非常廣泛的計算機編程語言。C++是一種靜態(tài)數(shù)據(jù)類型檢查的、支持多重編程范式的通用程序設(shè)計語言。它支持過程化程序設(shè)計、數(shù)據(jù)抽象、面向?qū)ο蟪绦蛟O(shè)計、制作圖標等等泛型

52、程序設(shè)計等多種程序設(shè)計風格。</p><p>　　C++語言是一種優(yōu)秀的面向?qū)ο蟪绦蛟O(shè)計語言，它在C語言的基礎(chǔ)上發(fā)展而來，但它比C語言更容易為人們學習和掌握。C++以其獨特的語言機制在計算機科學的各個領(lǐng)域中得到了廣泛的應(yīng)用。面向?qū)ο蟮脑O(shè)計思想是在原來結(jié)構(gòu)化程序設(shè)計方法基礎(chǔ)上的一個質(zhì)的飛躍，C++完美地體現(xiàn)了面向?qū)ο蟮母鞣N特性。</p><p>　　現(xiàn)在C++由以下四個“子語言”組成： &l

53、t;/p><p>　　（1）C子語言。C++支持C語言的幾乎全部功能，主要是c89的部分，在語法上與C語言僅有極微妙的差別(如括號表達式的左右值性，具體請參考C++標準文獻)。 </p><p>　　（2）面向?qū)ο蟮腃++語言。C++語言原本不具備面向?qū)ο蟮脑O(shè)計功能，然而隨著面向?qū)ο缶幊痰母拍畹奶岢鲆约叭鏙ava等語言的發(fā)展成熟，C++語言也開發(fā)出了支持面向?qū)ο蠊δ艿陌姹尽?</p>

54、;<p>　?。?）泛型編程語言。C++強大（但容易失控的）模板功能使它能在編譯期完成許多工作，從而大大提高運行期效率。 </p><p>　?。?）STL（C++標準模板庫，Standard Template Library）。隨著STL的不斷發(fā)展，它已經(jīng)逐漸成為C++程序設(shè)計中不可或缺的部分，其效率可能比一般的native代碼低些，但是其安全性與規(guī)范性使它大受歡迎。 </p>&l

55、t;p>　　此外，包含在TR1等中的C++0x將實現(xiàn)的新功能在開發(fā)和測試中。</p><p><b>　　3. 圖像預處理</b></p><p>　　3.1 圖像基本知識</p><p>　　對醫(yī)學圖像進行處理，必須了解醫(yī)學圖像的最基本性質(zhì)，例如，如何找到要處理的對象，如何了解該對象有什么特色及如何改變這些特點，才能得到重要的可視化

56、信息。首先，必須知道圖像的計算機信息表達形式，即圖像數(shù)據(jù)格式，包括圖像灰度和顏色的表示方法。</p><p>　　3.1.1 圖像數(shù)據(jù)格式</p><p>　　了解圖像，最簡單的是從二維圖像入手。二維圖像最直觀的例子就是計算機屏幕上的圖像。計算機圖像由一些極小尺寸的矩形小塊組合而成。組成圖像的這種最小基本元素作像素（pixel），例如，一幅圖像水平方向上有256個像素，垂直方向上也有256

57、個像素，整幅圖像有256×256=65536個像素，這就是圖像的大小(size)，又稱作圖像的尺度。圖像的尺度計算公式為：</p><p><b>　　(3-1)</b></p><p>　　尺度等于圖像X方向像素個數(shù)與Y方向像素個數(shù)之積。</p><p>　　像素本身也有自己的大小，即對應(yīng)實際物體空間的大小，盡管在圖像處理過程中，可

58、以根據(jù)需要設(shè)定像素的大小，但像素對應(yīng)的最小尺度受到成像設(shè)備本身的分辨率能力限制，例如某個掃描圖像的分辨率是2mm×2mm,知道像素所代表的實際尺寸，才能了解醫(yī)學圖像中具體器官或組織的準確大小。</p><p>　　像素除了物理尺寸外，它的另一個重要屬性就是強度(Intensity)，對于黑白圖像來說，圖像的強度用灰度的等級來表示。等級往往用2的整數(shù)次冪表示，例如，8bit(256個灰度等級)，常用的還有

59、10bit,12bit等灰度等級。</p><p>　　圖像在計算機中是以數(shù)據(jù)文件形式存儲的，存儲的格式有多種，較常用的有BMP，GIF，JPEG，TIFF，PCX等，這些圖像格式原理不同，各有自己的特點和應(yīng)用價值，常用的為BMP文件。</p><p>　　BMP文件又叫位圖文件(BitMap),BitMap文件格式是微軟公司W(wǎng)indows系統(tǒng)交換圖形、圖像數(shù)據(jù)的一種標準格式?？稍赪ind

60、ows系統(tǒng)環(huán)境下使用，而且是一種與設(shè)備無關(guān)的點陣位圖文件格式。Windows系統(tǒng)軟件中還同時內(nèi)含了一系列支持BMP圖像處理的API函數(shù)。隨著Windows在世界范圍內(nèi)的不斷普及，BMP文件格式無疑也已經(jīng)成為PC機上的流行圖像文件格式。BMP圖像文件格式可以存儲單色、16色、256色以及真彩色四種圖像數(shù)據(jù)，其數(shù)據(jù)的存放與一般文件不同，它是從下到上，從左到右的。也就是說，從文件中最先讀到的是圖像最下面一行的左邊第一個像素，然后是左邊第二個像

61、素，接下來是倒數(shù)第二行左邊第一個像素，左邊第二個像素。依次類推，最后得到的是最上面一行的最右邊的一個像素。BMP圖像文件的結(jié)構(gòu)可以分為三個部分：文件頭、位圖信息數(shù)據(jù)塊以及圖像數(shù)據(jù)。</p><p>　　Windows將BMP圖像文件頭分成兩個數(shù)據(jù)結(jié)構(gòu)，其中一個數(shù)據(jù)結(jié)構(gòu)中包含BMP文件的類型、大小和打印格式等信息，稱為BITMAPFILEHEAER，另外一個數(shù)據(jù)結(jié)構(gòu)中則包含BMP文件的尺寸定義等信息，BITMAPI

62、NFOHEADER，如果圖像文件還需要調(diào)色板數(shù)據(jù)，則將其存放在文件頭信息之后。</p><p>　　位圖信息數(shù)據(jù)的長度由圖像尺寸，像素的位數(shù)和壓縮方式等共同決定，實際尺寸可由文件中的第1項“文件大小”減去第5項“數(shù)據(jù)偏移值”得到[9]。</p><p><b>　　3.2 預處理</b></p><p>　　3.2.1 彩色圖像灰度化<

63、;/p><p>　　彩色圖像包含著大量的顏色信息，不僅存儲量大而且處理速度也受影響。在圖像處理的許多應(yīng)用方面，并不要求使用圖像的三個不同的顏色分量，因此常將彩色圖像轉(zhuǎn)化為灰度圖像（常稱彩色圖像灰度化），以便加快處理速度及效率。</p><p>　　在RGB模型中，如果R=G=B時，則彩色表示一種灰度顏色，其中R=G=B的值叫灰度值，因此，灰度圖像每個像素只需一個字節(jié)存放灰度值（又稱強度值、亮度

64、值），灰度范圍為0-255。一般有以下四種方法對彩色圖像進行灰度化：</p><p>　　(1)分量法 將彩色圖像中的三分量的亮度作為三個灰度圖像的灰度值，可根據(jù)應(yīng)用需要選取一種灰度圖像。 </p><p><b>　　（3-2）</b></p><p>　　其中 f k(i, j)(k=1,2,3)為轉(zhuǎn)換后的灰度圖像在(i, j)處的灰

65、度值。</p><p>　　(2)最大值法 將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。</p><p><b>　　(3-3)</b></p><p>　　(3)平均值法 將彩色圖像中的三分量亮度求平均得到一個灰度值。</p><p><b>　　(3-4)</b></p&g

66、t;<p>　　(4)加權(quán)平均法 根據(jù)重要性及其它指標，將三個分量以不同的權(quán)值進行加權(quán)平均。由于人眼對綠色的敏感最高，對藍色敏感最低，因此，按下式對RGB三分量進行加權(quán)平均能得到較合理的灰度圖像[8]。</p><p><b>　　(3-5)</b></p><p>　　本實驗采用了最簡單的分量灰度法，由于進行的是紅細胞提取，根據(jù)圖像顏色不適宜選擇紅

67、色分量法，選擇綠色分量法較好?；叶然Y(jié)果如下圖3-1所示：</p><p>　　紅細胞源圖像 經(jīng)灰度化后的圖像 </p><p>　　圖3-1紅細胞圖像的灰度化</p><p>　　3.2.2 圖像的灰度拉伸</p><p>　　圖像的灰度拉伸是圖像線性變換的一種方式。一般成像系統(tǒng)只具有一

68、定得亮度響應(yīng)范圍，亮度的最大值與最小值之比稱為對比度。由于成像系統(tǒng)的限制，常出現(xiàn)對比度不足的弊病，使人眼觀看圖像時視覺效果很差。采用圖像線性變換法可以大大改善人的視覺效果。</p><p>　　圖像的線性變換就是將圖像中所有的點的灰度按照線性灰度變換函數(shù)進行變換。該線性灰度變換函數(shù)是一個一維線性函數(shù)：</p><p><b>　　(3-6)</b></p>

69、<p><b>　　灰度變換方程為：</b></p><p><b>　　(3-7)</b></p><p>　　式中參數(shù)為線性函數(shù)的斜率，為線性函數(shù)在y軸的截距，表示輸入圖像的灰度，表示輸出圖像的灰度。>1時，輸出圖像的對比度將增大：當<1時，輸出圖像的對比度將減??；當=1且≠0時，操作僅使所有像素的灰度值上移或下移，

70、其效果是使整個圖像更暗或更亮；如果<0，暗區(qū)域?qū)⒆兞粒羺^(qū)域?qū)⒆儼?，點運算完成了圖像求補運算。特殊情況下，當=1,=0時，輸出的圖像和輸入的圖像相同；當=-1,=255時，輸出圖像的灰度正好反轉(zhuǎn)[10]。 </p><p>　　灰度拉伸是分段線性變換，灰度拉伸又叫對比度拉伸，它是最基本的一種灰度變換，使用的是最簡單的分段線性變換函數(shù)，它的灰度變換函數(shù)如下圖3-2所示，函數(shù)表達式如下:</p>

71、<p><b>　?。?-8）</b></p><p>　　式中(a，c)和(d，M)是圖3-2中的兩個轉(zhuǎn)折點的坐標。</p><p>　　圖3-2灰度變換函數(shù)</p><p>　　它的主要思想是提高圖像處理時灰度級的動態(tài)范圍?？梢杂羞x擇的拉伸某段灰度區(qū)間以改善輸出圖像。如圖，所示的變換函數(shù)的運算結(jié)果是將原圖在a到b之間的灰度拉伸到c

72、到d之間。如果一幅圖像的灰度集中在較暗的區(qū)域而導致圖像偏暗，可以用灰度拉伸功能來拉伸(斜率>1)物體灰度區(qū)間以改善圖像；同樣如果圖像灰度集中在較亮的區(qū)域而導致圖像偏亮，也可以用灰度拉伸功能來壓縮(斜率<1)物體灰度區(qū)間以改善圖像質(zhì)量。</p><p>　　本實驗彩色圖像經(jīng)灰度化后，圖像偏暗且對比度不明顯，為增強紅細胞圖象與背景的對比度，對圖象進行了灰度拉伸，所選參數(shù)分別為a=100, b=190, c

73、=90, d=230?；叶壤斓闹饕绦虼a如下：</p><p>　　int aa=100;</p><p>　　int bb=190;</p><p>　　int cc=90;</p><p>　　int dd=230;</p><p>　　for(int y=0;y<h;y++)</p>&l

74、t;p>　　for(int x=0;x<w;x++)</p><p><b>　　{</b></p><p>　　if(g[y][x]>=0 && g[y][x]<=aa-1)</p><p>　　l[y][x]=cc*g[y][x]/aa;</p><p>　　else if(g

75、[y][x]>=aa && g[y][x]<=bb-1)</p><p>　　l[y][x]=(dd-cc)/(dd-aa)*(g[y][x]-aa)+cc; </p><p><b>　　else</b></p><p>　　l[y][x]=(255-dd)/(255-bb)*(g[y][x]-bb)+dd;<

76、;/p><p>　　pDC->SetPixel(x,y,RGB(l[y][x],l[y][x],l[y][x]));</p><p><b>　　}</b></p><p>　　圖象灰度拉伸前后的效果如下圖3-3所示：</p><p>　　灰度原圖像 經(jīng)灰度拉伸后的圖

77、像</p><p>　　圖3-3血液紅細胞圖像的灰度拉伸</p><p>　　3.2.3 圖像的平滑處理</p><p>　　圖像的平滑(也稱為平滑濾波)作用主要是為了進行模糊處理和降低圖像中稱為噪聲的干擾信息。噪聲可以理解為“妨礙人們感覺器官對所接收的信源信息理解的因素”。噪聲會惡化圖像的質(zhì)量，使圖像模糊，特征淹沒，給分析帶來了困難。平滑可以在空間域中進行，也可

78、以在頻率域中進行。在空間域上的圖像平 滑常用方法有均值濾波法和中值濾波法[11]。</p><p>　　所謂的均值濾波是指在圖像上對待處理的像素給一個模板，該模板包括了其周圍的鄰近像素。將模板中的全體像素的平均灰度值來替代圖像中的每個像素的灰度值。均值濾波法的數(shù)學含義可用下式表示：</p><p><b>　?。?-9）</b></p><p>

79、;　　式中：x，y = 0, 1, …, N-1； s是以(x, y)為中心的鄰域的集合，M是s內(nèi)的點數(shù)。</p><p>　　均值濾波的過程如圖3-4所示。圖3-4 a是一幅圖像的一小部分，共9個像素，(=0,1……8)表示像素的灰度值；圖 3-4 b表示一個3×3的模板，(i=0,1……8)稱為模板系數(shù)；模板的大小一般取奇數(shù)(如3×3,5×5等)，均值濾波可分為以下幾步：<

80、/p><p>　　(1)令(=0,1……8)；</p><p>　　(2)將模板在圖像中漫游，并使與圖3-4 a中的像素重合。即可由下式計算輸出圖像中與相對應(yīng)的像素的灰度值(如圖3-4 c所示)；</p><p>　　(3)對每個像素按上式進行計算即可得到增強圖像中所有像素的灰度值。</p><p>　　上述均值濾波的過程可以推廣到所有的空域濾波

81、方法，也就是說，空域濾波器的實現(xiàn)是應(yīng)用模板卷積方法對每一個像素的領(lǐng)域進行處理完成的[12]。</p><p>　　圖3-4均值濾波過程</p><p>　　均值濾波法的主要優(yōu)點是算法簡單，計算速度快，可降低圖像中灰度“尖銳”變化的噪聲 但會造成圖像一定程度上的模糊。</p><p>　　雖然均值濾波器對噪聲有抑制作用，但同時會使圖像變得模糊。為了改善這一狀況，必須尋

82、找新的濾波器，中值濾波就是一種有效的方法。中值濾波是指把以某點（x,y）為中心的小窗口內(nèi)的所有像素（一般是奇數(shù)個數(shù)）的灰度值按從大到小的順序排列，將中間值作為（x,y）處的灰度值。設(shè)有一個一維序列。取窗口長度為m(m為奇數(shù))，對此序列進行中值濾波，就是從輸入序列中相繼抽出m個數(shù)其中，；i為窗口的中心位置。再將這m個點按其數(shù)值大小排列，取其序號為正中間的那個數(shù)作為濾波輸出，用數(shù)學表達為：</p><p>　　，，

83、 （3-10）</p><p>　　其中：,表示取序列的中值。例如，由一個序列（20,10,30,15,25），從大到小排列后序列為（10,15,20,25,30），中值濾波的輸出結(jié)果為20.如果灰度值為30的像素是噪聲點，則經(jīng)過中值濾波后噪聲被消除。中值濾波的目的就是保護圖像邊緣的同時去除噪聲。</p><p>　　噪聲種類很多，有些噪聲和圖像信號互相獨立不相關(guān)，有些是相關(guān)的，噪

84、聲本身之間也有些是相關(guān)的。必須針對具體情況采用合適的平滑濾波算法，否則很難獲得預期的處理效果[13]。</p><p>　　本實驗出于保護圖像邊緣的目的，以及考慮到紅細胞具有緩變的較長輪廓線這一特點，在系統(tǒng)實現(xiàn)時采用了2×2中值濾波器算法對圖像進行平滑。其具體步驟是: </p><p>　　（1）確定以像素點f(i,j)為中心的2×2屏蔽窗口； </p>

85、<p>　?。?）對窗口中包含的各個點的像素值進行排序；</p><p>　?。?）得到中間值u； </p><p>　?。?）將f(i,j)的像素值置為u。</p><p>　　中值濾波法的的主要程序代碼如下：</p><p><b>　　int n=2;</b></p><p>　　

86、BYTE a[500];</p><p>　　int num=n*n;</p><p>　　for(int y=n/2;y<h-n/2;y++)</p><p>　　for(int x=n/2;x<w-n/2;x++)</p><p><b>　　{</b></p><p><b

87、>　　int k=0;</b></p><p>　　for(int t=-n/2;t<n/2;t++)</p><p>　　for(int s=-n/2;s<n/2;s++)</p><p>　　a[k++]=l[y+t][x+s];</p><p>　　for(int i=0;i<num;i++)<

88、/p><p>　　for(int j=0;j<num-i-1;j++)</p><p>　　if(a[j]>a[j+1])</p><p><b>　　{</b></p><p>　　BYTE tem=a[j];</p><p>　　a[j]=a[j+1];</p><

89、p>　　a[j+1]=tem;</p><p><b>　　}</b></p><p>　　z[y][x]=a[num/2];</p><p>　　pDC->SetPixel(x,y,RGB(z[y][x],z[y][x],z[y][x]));</p><p><b>　　}</b>&l

90、t;/p><p>　　平滑前后的效果圖如下圖3-5所示：</p><p>　　平滑前圖像 經(jīng)平滑后的的圖像</p><p>　　圖3-5紅細胞圖像的平滑濾波</p><p>　　由圖3-5可知，紅細胞圖像經(jīng)中值濾波后，去除了噪聲并且保護了細胞邊緣，更有利于圖像的后續(xù)處理分析與研究。</p>

91、<p>　　4． 圖像的二值化</p><p>　　在許多圖像提取中，經(jīng)常需要對二值圖像進行處理。因此需要將灰度圖像轉(zhuǎn)為二值圖像，又稱圖像二值化。圖像的二值化處理就是常用的閾值化處理，即選擇一個閾值，將圖像轉(zhuǎn)化為黑白二值圖像。圖像的二值化處理的變換函數(shù)表達式為：</p><p><b>　?。?-1）</b></p><p>　　二

92、值化處理的關(guān)鍵是求出閾值T[11]。</p><p>　　4.1 閾值處理方法</p><p>　　灰度圖像的閾值處理有很多種方法，主要分為全局閾值法和局部閾值法。</p><p>　　4.1.1 全局閾值法</p><p>　　全局閾值法是指在二值化過程中只使用一個全局閾值的方法。它將圖像的每個像素的灰度值與進行比較，若大于，則取為前景

93、色（白色）；否則，取為背景色。根據(jù)文本圖像的直方圖或灰度空間分布確定一個閾值，以此實現(xiàn)灰度文本圖像到二值圖像的轉(zhuǎn)化。其中全局閾值法又可分為基于點的閾值法和基于區(qū)域的閾值法。閾值分割法的結(jié)果很大程度上依賴于對閾值的選擇，因此該方法的關(guān)鍵是如何選擇合適的閾值。</p><p>　　典型的全局閾值方法包括Otsu方法、最大熵方法等。全局閾值法算法簡單，對于目標和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對于由于光

94、照不均勻、噪聲干擾較大等原因使直方圖分布不呈雙峰的圖像，二值化效果明顯變差。</p><p>　　為了滿足圖像處理應(yīng)用系統(tǒng)自動化及實時性要求，圖像二值化的閾值的選擇最好由計算機自動來完成。下面列舉幾個閾值的自動選擇算法：</p><p>　　(1) 大津法：又稱最大類間差法，是基于整幅圖像的統(tǒng)計特性，實現(xiàn)閾值的自動選取。其原理是把圖像直方圖用某一灰度值分割成兩類，分別計算這兩類的像素點數(shù)和

95、灰度平均值，然后計算它們的類間方差。當被分割成的兩類類間方差最大時，此灰度值就作為圖像二值化處理的閾值。大津法的使用范圍比較廣，不論圖像的直方圖有無明顯的雙峰，都能得到較滿意的結(jié)果，在很多領(lǐng)域得到了應(yīng)用和發(fā)展。但此方法依然存在一些不足，主要表現(xiàn)在：若目標與背景之間灰度差不明顯，可能出現(xiàn)大塊黑色區(qū)域，甚至丟失整幅圖像的信息；僅利用一維灰度直方圖分布，沒有結(jié)合圖像的空間相關(guān)信息，處理效果不好；當圖像中有斷裂現(xiàn)象或者背景有一定噪聲時，無法得到

96、預期效果。</p><p>　　(2) 平均灰度值法：以圖像中所有像素灰度值的平均值為閾值。 </p><p>　　(3) 邊緣算子法：采用Laplace算子、Robert算子、Sober算子等對像素點進行灰度級增強或減弱的變換。對于灰度均勻分布的區(qū)域內(nèi)的像素點，這些算子對其進行灰度減弱；對于在邊緣附近的像素點，這些算子對其進行灰度增強。</p><p>　　4.1

97、.2 局部閾值法 </p><p>　　由當前像素灰度值與該像素周圍點局部灰度特征來確定像素的閾值。例如可以將原圖像劃分為一些不相交的小塊，將各塊圖像的灰度均值作為該部塊圖像的閾值，在局部上采用上面的整體閾值法。</p><p>　　對于目標和背景比較清楚的圖像，全局閾值化方法可以取得較好結(jié)果。但是如果圖像的背景不均勻，或目標灰度變化率比較大，全局方法便不再適用。局部閾值法是用像素灰

98、度值和此像素鄰域的局部灰度特性來確定該像素的閾值的。當照明不均勻、有突發(fā)噪聲，或者背景灰度變化較大時，局部閾值確定技術(shù)必須根據(jù)像素的坐標位置關(guān)系自動確定不同閾值，實施動態(tài)的自適應(yīng)二值化處理。局部閾值選取一般將圖像劃分為若干子圖像，在每個子圖像區(qū)域上使用整體閾值法，從而可以構(gòu)成整幅圖像的局部閾值法(根據(jù)每個子圖像確定相應(yīng)的閾值，具體的閾值確定方法同全局閾值的確定類似)。用這種方法分割后的圖像在不同子圖像的邊界處有灰度的不連續(xù)分布，因此必須

99、采用平滑技術(shù)來消除灰度的不連續(xù)性。 </p><p>　　局部閾值法一般用于識別干擾比較嚴重、品質(zhì)較差的圖像，相對整體閾值方法有更廣泛的應(yīng)用，但也存在缺點和問題，如實現(xiàn)速度慢、不能保證字符筆畫連通性以及容易出現(xiàn)偽影現(xiàn)象(即在背景域受到噪音干擾得到筆畫結(jié)果)等。比較典型的局部二值化算法有Bernsen方法、多閾值的梯度強度法、基于紋理圖像的方法、最大方差法等[14]。</p><p>

100、　　4.2 二值化處理及結(jié)果</p><p>　　經(jīng)過多次試驗，對于紅細胞圖像的提取采用全局閾值處理進行圖像的二值化效果更好，具體方法過程如下：</p><p>　　計算圖像平均灰度作為初始閾值T；</p><p>　　利用該閾值通過式（2-1）的計算，求出兩組灰度，并計算兩組灰度</p><p>　　的平均值m1與m2；</p>

101、;<p>　　計算新的閾值T＇=（m1+m2）/4；</p><p>　　重復（2）和（3），直到最近兩次迭代的閾值差小于給定的誤差為止，此實驗設(shè)定為最近兩次計算的閾值小于5，則結(jié)束。</p><p>　　全局閾值處理的主要程序代碼如下：</p><p>　　int global_threshold(BYTE g[1000][1000],int h,i

102、nt w)</p><p><b>　?。?lt;/b></p><p>　　float s=0,t0,t,m1,m2;</p><p>　　int n1,n2,x,y;</p><p>　　for(y=0;y<h;y++)</p><p>　　for(x=0;x<w;x++)</p&

103、gt;<p>　　s=s+z[y][x];</p><p>　　t0=s/(h*w);</p><p>　　for(int k=0;k<100;k++)</p><p><b>　　{</b></p><p>　　n1=n2=m1=m2=0;</p><p>　　for(y=0

104、;y<h;y++)</p><p>　　for(x=0;x<w;x++)</p><p>　　if(z[y][x]>t0)</p><p><b>　　{ </b></p><p>　　m1=m1+z[y][x];</p><p><b>　　n1++; </b&

105、gt;</p><p><b>　　}</b></p><p><b>　　else</b></p><p><b>　　{</b></p><p>　　m2=m2+z[y][x];</p><p><b>　　n2++;</b>&

106、lt;/p><p><b>　　}</b></p><p>　　t=(m1/n1+m2/n2)/4;</p><p>　　if((t-t0)<5)</p><p><b>　　break;</b></p><p><b>　　}</b></p&g

107、t;<p>　　return((int)(t+0.5));</p><p><b>　?。?lt;/b></p><p>　　圖像的二值化處理就是將圖像上的點的灰度置為0或255，也就是使整個圖像呈現(xiàn)出明顯的黑白效果，即將256個亮度等級的灰度圖像通過適當?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。紅細胞圖像的二值化結(jié)果如圖4-1所示：<

108、/p><p>　　二值化前圖像 經(jīng)二值化后的圖像</p><p>　　圖4-1血液紅細胞圖像的二值化</p><p>　　由圖4-1可知，經(jīng)過適當?shù)拈撝颠x取進行圖像二值化化后，分割了圖像，凸顯了目標圖像，為后續(xù)的細胞提取起到了很好的處理效果。</p><p>　　5. 圖像的數(shù)學形態(tài)學處理分析提

109、取</p><p>　　數(shù)學形態(tài)學（Mathematical Morphology）是分析幾何形狀和結(jié)構(gòu)的數(shù)學方法，是建立在集合代數(shù)基礎(chǔ)上，用集合論方法定量描述幾何結(jié)構(gòu)的科學。數(shù)學形態(tài)學的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對應(yīng)形狀以達到對圖像分析和識別的目的。</p><p>　　由于形態(tài)學具有完備的數(shù)學基礎(chǔ)，這為形態(tài)學用于圖像分析和處理、形態(tài)濾波器的特性分析和系統(tǒng)設(shè)計

110、奠定了堅實的基礎(chǔ)，尤其突出的是實現(xiàn)了形態(tài)學分析和處理算法的并行，大大提高了圖像分析和處理的速度。近年來，在圖像分析和處理中形態(tài)學的研究和應(yīng)用在國內(nèi)外得到不斷地發(fā)展。</p><p>　　數(shù)學形態(tài)學現(xiàn)在已經(jīng)應(yīng)用在多門學科的數(shù)字圖像分析和處理的過程中。例如在醫(yī)學和生物學中應(yīng)用數(shù)學形態(tài)學對細胞進行檢測、研究心臟的運動過程及對脊椎骨癌圖像進行自動數(shù)量描述；在工業(yè)控制領(lǐng)域應(yīng)用數(shù)學形態(tài)學進行食品檢測和電子線路特征分析；在交通

111、管制中檢測汽車的運動情況等等。另外，數(shù)學形態(tài)學在金相學、指紋檢測、經(jīng)濟地理合成音樂和斷層X光照像等領(lǐng)域也有良好的應(yīng)用前景。</p><p>　　數(shù)學形態(tài)學的數(shù)學基礎(chǔ)和所用語言是集合論。數(shù)學形態(tài)學的應(yīng)用可以簡化圖像數(shù)據(jù)，保持它們基本的形狀特性，并除去不相干的結(jié)構(gòu)。數(shù)學形態(tài)學是由一組形態(tài)學的代數(shù)運算子組成的，最基本的形態(tài)學運算子有四個:腐蝕(Erosion)、膨脹(Delation)、開啟(Open)和閉合(Clos

112、e) [15]。</p><p>　　5.1 數(shù)學形態(tài)學的基本符號與術(shù)語</p><p>　　5.1.1 元素和集合</p><p>　　在數(shù)字圖像處理的數(shù)學形態(tài)學運算中，把一幅圖像稱為一個集合。對于二值圖像而言，習慣上認為取值為1的點對應(yīng)于景物，而去只為0的點構(gòu)成背景。考慮所有值為1的點的集合為A，則A與圖像是一一對應(yīng)的。對于一幅圖像A，點a在A區(qū)域內(nèi)， 則a