基于 MATLAB实现的肺肿瘤图像处理的软件实现.docx

基于 MATLAB实现的肺肿瘤图像处理的软件实现.docx

《基于 MATLAB实现的肺肿瘤图像处理的软件实现.docx》由会员分享，可在线阅读，更多相关《基于 MATLAB实现的肺肿瘤图像处理的软件实现.docx（27页珍藏版）》请在冰豆网上搜索。

基于MATLAB实现的肺肿瘤图像处理的软件实现

摘要

癌症是一种严重威胁人类健康和生命的疾病，近半个世纪来，世界上许多国家的肺癌发病率逐年上升。

而且直到目前为止，人类还没有找出一种行之有效的办法来治愈和抑制肿瘤。

正因为如此，癌症已成为人类第一杀手。

医疗上检测、诊断癌症的方法有多种，其中放射检查是最重要、最直接的检测手段。

但是，早期肿瘤在放射检查的片子上（包括x光片、CT片等）是显现不出柬或显现不清楚的，既然这样，就无法定性肿瘤。

可一旦到了肿瘤在片子上显现清楚了，病人就已经进入了患病的晚期阶段，失去了治疗的最佳时期。

那么把早期肿瘤显现不清楚的图像通过图像处理，让它变得清楚一些，更加有利于医生分析和研究，更加有利于医生诊断。

对于肿瘤患者来说，早一天诊断就意味着多争取到一分治愈的机会。

就将大大有利于肿瘤的早期诊断。

这就是本文的研究宗旨和目的。

随着计算机软、硬件技术的发展，使这种影像片子的后处理成为可能。

这其中主要包括处理器的更新换代和海量存储技术的实现。

本文主要利用计算机对图像的增强处理技术，对肿瘤的细节特征进行增强或提取，使医生对病灶部分看得更清楚，获得更多的数据信息，从而帮助医生诊断或有益于其他治疗。

本文经过半年左右的时闻，获取了大量的原始cT图像。

然后在专门科室有关医生的帮助下，选取原始图像，并对处理后的图像进行分析，筛选出有用的处理手段。

所用的主要处理手段有对比度调整、图像反显、直方图处理、边缘榆测、边界提取以及图像处理的各种方法的综合运用。

在系统设计中，使用了MATLAB语言对图像进行了各种处理。

结果表明本文对影像的处理效果明显，在临床二有一定的应用价值。

最后，对部分图像处理方法进行了数理统计分析，对处理方法进行客观正确的评价。

关键词：

肿瘤;图像处理;图像增强;边缘提取;膨胀

Abstract

Cancerisaseriousthreattohumanhealthanddisease,nearlyhalfacentury,manycountriesintheworldoflungcancerincidencehasrisen.Butuntilnow,humanshasn'tworkedoutaneffectivewaytohealandinhibitingtumor.Becauseofthis,hasbecomethefirsthumancancerkiller.Themedicaldiagnosisofcancerdetection,therearemanymethods,includingradiationcheckismostimportant,themostdirectdetectionmeans.But,intheearlytumorradiationcheckonthefilm（includingX-rayCTslices,etc.）arerevealednoCambodiaorunclear,appearsocannotqualitativetumor.Butoncethetumorappearedonfilm,patientswillhaveenteredthestageoflatesick,losttheoptimalperiodoftreatment.Sotheearlytumorrevealednoclearimagesthroughtheimageprocessing,makeitcleartothedoctor,moreandmoreresearchandanalysistothedoctordiagnosed.Forpatientswithcancer,adayearlierdiagnosisformorethanmeansacure.Willgreatlybenefittheearlydiagnosisoftumors.Thisistheaimandpurpose.

Alongwiththecomputersoftwareandhardwaretechnologydevelopment,makethisimagepost-processingfilmbecomepossible.Itmainlyincludestheprocessor'srenewalandmassstoragetechnology.Thispaperusingcomputerimageprocessingtechnology,theenhancementoftumorcharacteristicsofdetail,makethedoctorextractedorenhancetoseemoreclearly,partsofthedataformoreinformation,thushelpdoctorsdiagnoseortoothertreatments.Afterabouthalfayearwhenthepaper,aprimitivecTimages.Theninaspecialdepartmentconcernedunderthehelpofthedoctor,theselectionoftheoriginalimage,andprocessedimagewereanalyzed,andtheprocessingmethodisuseful.Themaintreatmentmethodsareusedtoadjust,theimagecontrastandreverseedgehistogram,elm,boundaryextractionandimageprocessingmethodofcomprehensiveutilization.Insystemdesign,useMATLABlanguageforvariousprocessing.Resultsshowthatbasedonimageprocessinginclinicaltwoobviouseffect,havecertainapplicationvalue.Finally,someimageprocessingmethodsofmathematicalstatistics,theprocessingmethodarecorrectevaluationobjective.

Keywords:

tumor.Imageprocessing,Imageenhancement,Edgeextraction,inflation

第一章引言

1．1研究的必要性

癌症是一种严重威胁人类健康和生命的疾病，近半个世纪以来，世界上许多国家和地区肺癌的发病率均有增加。

尤其是在发达国家中，上升的趋势更为明显我国也有逐步上升的趋势。

1997年以来我国城市居民死因中，癌症已超过脑血管病并跃居第一位。

越是大城市癌症发病率上升越快。

那么究竟什么是肿瘤?

肿瘤

又是怎么形成的呢?

肿瘤又称新生物，是机体正常细胞在各种因素的长期作用下逐步发生的组织细胞过渡异常所致。

非生长部位生理调节，而是破坏正常组织与器官。

正常细胞癌变的根本原因在于机体细胞染色体中的癌基因。

1989年诺贝尔医学奖获得者，美国加利福尼亚大学迈克尔．比晓普指出：

l、人体正常细胞中存在着一种原癌基因，原癌基因是各种致癌因素的作用位点，人体细胞的原癌基因在结构上发生突变后即会致癌。

2、人体每个细胞内都有大约1000个原癌基因潜伏在每一条染色体中，在正常情况下，原癌基因被完全控制着的，但能被自然界中的物理、化学、生物等诸多因素及遗传缺陷所激活。

3、迄今，已经在脊椎动物的癌细胞和病毒中发现了60种癌基因，其中约有一半能引起人类的癌症。

一种癌症可由几种癌基因引起，一种癌基因也可引起多种癌症，如肺癌、膀胱癌和结肠癌，可能有同样的癌基因。

这就说明了人类120多种癌症可由几十种癌基因引起⋯。

肿瘤的生长非常多样化，主要取决于癌细胞的生物学特点，起源部位，周围组织性质及机体的防御性反应。

生长方式分为外突性生长，膨胀性生长，浸润性生长。

其中浸润性生长是恶性肿瘤生长的主要方式。

恶性肿瘤细胞是由J下常的组织细胞转变而来，但其生物学特性己发生了根本的变化，主要表现在：

1、恶性肿瘤细胞的自主性生长。

即不同程度地失去常调控，表现为无休止地生长繁殖分化不良。

2、浸润性和转移倾向。

界性肿瘤细胞可侵入周围组织或转移至其他部位形成浸润性病灶和转移性病灶。

3、遗传性。

即其恶性行为特征可传递给下一代细胞而不断恶性增殖。

一般来说，，癌细胞的恶性行为是难以逆转的，但是，许多研究表明，～些因素可使癌细胞部分恢复为正常细胞，及部分地使癌细胞转化为正常细胞的基因型或表现型，然后癌细胞的恶性行为部分丧失（部分逆转）或全部丧失（全部逆转），使之变为良性肿瘤，或以后被免疫系统杀灭，这过程称为逆向演变。

利用某些药物或放射治疗可以促进癌细胞的逆转，使其恶性生物特性部分丧失或全部丧失。

肿瘤一旦行成后，不因病因消除而停止生长。

其对机体的影响很大，可引起各种各样的局部和全身性征候。

一般说，良性肿瘤“秉性温和”，“相对善良”，对机体危害较轻，恶性肿瘤则因浸润和转移，对机体影响严重，无论起源于何处，若不彻底治疗，终会危及生命。

1．2肺肿瘤的成因及鉴别

在20世纪中人类癌症呈现逐年上升的总趋势，其中尤以肺癌的流行趋势变

化最为明显。

肺癌是危害人类生命健康的主要肿瘤之一，在20年前肺癌在肿瘤

的死亡中，排列在胃癌，肝癌之后，而现在肺癌的发病率和死亡率呈现逐年上升

的趋势，特别是在城市，肺癌已成为肿瘤死亡的首位。

追溯肺癌的流行病学史料，20世纪初，除少数矿山报道有肺癌发生外，肺癌

在世界范围内是一种罕见的疾病。

第一次世界大战后，肺癌的死亡率逐渐升高：

进入30年代后，伴随现代工业发展所引起的一系列环境污染和各种致癌因素的

存在，使得肺癌的发病率突飞猛进的增长。

那么具体的病因都有哪些呢?

肺癌的病因错综复杂，随着医学的不断发展，对肺癌病因的认识逐渐深入，

目前引起许多学者关注的大气污染、吸烟、职业致癌因素、电离辐射、生物因

素、室内微小环境的致癌因素、激素、营养状况、微量元素、遗传及慢性肺部

疾患等方面，并已取得可喜的进展。

第二章图像及图像处理

随着社会的进步和经济的发展，人类对信息的传递、交换、存储和处理提出了越来越高的要求。

尤其是近年来，“信息高速公路”正在全球飞速发展，图像通信占有特别重要的地位。

在语音、数据、图像3种主要的通信方式中，图像通信起着主要作用。

这是与人们获取信息方式相适应的。

听觉获取的是时间信息，视觉获取的是时空信息。

在相同条件下，常规的视频图像的数据量比语音的数据量大600～2500倍。

视觉信息是人类从外界获取信息的主要方式，视觉所观察到的现象比其他感官要丰富得多，更适合人类活动的需要。

2．1图像与视觉的关系

图像最终需要由人或机器来观察、辨别、理解。

研究图像与视觉之间的对应关系，是一个非常重要的问题，信息理论只能解释信息符号化（具体化）之后的过程。

而要解释图像从人跟到大脑的复杂过程，传统的信息理论是无能为力的。

需要从符号和信息两个角度探讨图像与视觉的对应关系。

图像信息内容的描述和分析（图像或景物分析）对于视觉而言，只要求知道图像的意义和内容。

例如一幅细胞图像，视觉只要求识别和标定其中的染色体，遥感图像只要求识别各种类型的地貌（森林、水域、道路等），而图像的光强度、线、面、对比度、颜色等引起视觉的反应称为感觉和知觉。

为了提高处理图像的效率，就必须对通常遇到的大量图像进行分析、统计，找出其内在规律，从而使处理算法大大简化。

例如常见的景物图像经数字化后其相邻的点彼此间亮度差很少有突变，一般电视图像都符合这个规律。

若能利用这个规律将使计算量大为减少。

进一步对图像的理解还应对彩色色度学和人眼的彩色视觉特性有基本的了解。

下面对图像的物理要领作扼要的叙述。

光度学人们常把处理的图像数据映射为彩色以加深人对图像的感知。

景物图像可看作是二维幅频辐射场，目前我们研究的是从热辐射波、雷达波、光波等包括远红外直到光谱以外的特高频的各种辐射形式的图像。

由于客观世界的景物对

于上述各种频谱的响应不同而形成不同的图像，换句话说，同一地区的图像用

不同波谱的光来照射，得到的图像是很不相同的。

因此我们研究光度学也是从

辐射的角度对图像进行分析和度量的，其中对于人眼所见的图像可以用光度学

来度量。

光度学是光学中研究光的辐射、吸收、照射、反射、散射、漫射等有关光的度量的学科，同时结合人眼的视觉特征来确定光的度量及使用的单位。

同样，

在可见光谱段以外的景物图像也可用类似的方法研究。

应该指出，可见光谱段

以外所形成的图像，其处理加工的各个过程也常常要变换成人眼可以观察的图

像，例如热成像、X光照片等都是为便于人对计算机处理过程进行干预，对最终

结果映射为可见的图像进行判读。

在图像处理过程中常把黑白图像或可见光以外的图像映射成彩色，以加强人对图像的理解。

另外，一幅彩色图像也可以分解为三基色的3幅图像，便于分析图像中某些特征。

前面已经说过不同单色的可见光是以基色的不同比例来形成。

最简单的例子是引起人眼的不同彩色感觉，但是同样的彩色感觉另外由相应的光谱段组成，非单波长R光的白色可由红、橙、黄、绿、青、蓝、紫组成，但也能由单波长红、绿、蓝三基色组成，这说明一连续光谱的白光可由红、绿、蓝3种单色光形成，但这种多方案彩色形成对于人眼却是同一种彩色感觉，__此性质就形成了图像处理中的各种类型彩色分析法。

通常三基色不仅能由3个单波长组成，而且红、绿、蓝分别可由3个波谱信号组成，这是实际工作中最易得到基色的方法。

例如分别用红、绿、蓝三色玻璃挡在白光前可得到某种波谱三基色的彩色光。

1931年国际照明委员会（CIE）统一规定特定波长值作为三基色，红为700．Onm绿为546．1nm，蓝为435．8nm，合称物理三基色R、G、B。

图像处理中模拟彩色可用相加混合法，实现相加的方法有多种：

（1）三基色光同时投到一个全反射表面上合成，例如投到一白色幕布上。

（2）因人眼视觉残留作用，把三基色按时间顺序轮流投到全反射面上，只要轮换的速度足够快，仍然使人感知为各种彩色。

（3）三基色光分别投到一个面的3个点上，只要这些点互相邻接、距离很近，那么就可以因人眼的视觉分辨率无法分开3点而产生三基色相加色的感觉。

彩色电视就是利用这个原理。

（4）两眼分别同时观看不同彩色的同一图像，产生彩色合成效果。

彩色图像的分解最常用的方法是用三基色的滤色片、滤色透镜或棱镜得3幅同样图像的三基色图像，再分别对每幅图像进行处理。

值得指出的是，：

在绘画和印刷中多采用相减混合法简称相减色。

例如黄颜料是吸收掉（即减掉）蓝色光，余下红光和绿光反射出来，光相加即为黄色；同理白光减掉绿光把红光和蓝光射到人眼，合成感觉为品红光；白光减掉红光余下绿光和蓝光反射出来相加合成为青光。

这样，我们用三基色的相加色来理解彩色形成的概念可以扩展到对相减色反映颜色的理解。

2．2图像处理

图像处理是针对性很强的技术，根据不同应用、不同要求需要采用不同的处理方法。

采用的方法是综合各学科较先进的成果而成的，如数学、物理学、心理学、生理学、医学、计算机科学、通信理论、信号分析学、控制论和系统工程等。

各学科互相补充、互相渗透使得数字图像处理技术飞速发展。

计算机图像处理的主要问题是算法原理和专用硬件，它们都反映了上述技术的综合性。

计算机图像处理主要采用两大类方法：

一类是空域中的处理，即在图像空间中对图像进行各种处理：

另一类是把空间与图像经过变换，变到频率域，在频率域中进行各种处理，然后再变回到图像的空间域，形成处理后的图像”。

图像处理是“信息处理”的一个方面，这一观点现在已经为人所熟知。

它可以进步细分为多个研究方向：

图片处理、图像处理、模式识别、景物分析、图像理解、光学处理等等。

当然还有其他的种种连接，但它们之间或多或少是交叉重叠在一起的。

人们试图依照某种统一和明确的准则对这些方向和领域进行规划分类。

Cohen和Feigenbaum把图像处理简单地分为“信号处理”、“分类”和“理解”。

人们要对图像进行分析，首先应建立人眼的视觉模型，即建立一个符合客观实际的视觉模型是计算机图像分析的基础。

同样，图像系统中的各种接收器中的视觉传感器也需要建立模型，它不但便于分析，而且是构成计算机理解图像的基础。

通常一幅客观景物在人的视觉和机器视觉中形成为连续变化的图像。

进入数字化的计算机必须把这种连续变化的图像信号变换为计算机能接受的离散电信号，即通常讲的数字化图像，以便于计算机处理。

应该指出，计算机处理后，一般仍需要人去观看，所以评价一幅图像从连续模拟信号形式转换为数字化图像形式的转换技术的优劣，就是评价这种转换是否有不失真的可逆转换性。

换句话说，把数字图像形式再转换回连续模拟信号形式时必须不失真。

这种逆转换称为重建，重建技术是研究如何用尽可能小的失真恢复原模拟图像的方法。

数字化图像应能正确重建原图像，这是图像处理的最基本的要求。

2．2．1模拟图像处理

图像处理中，图像的来源可看作是在空间光辐射能量连续分布的图像源。

连续的图像经传感器采集和数字化才能进入计算机，因此我们首先要对连续图像进行讨论。

最早曾进行并广泛应用的图像处理是光学图像处理，它是连续图像处理的典型代表，所以计算机图像处理中许多名词仍延用光学图像处理中已广泛应用的名词。

如密度率就是本书的亮度分辨率，也称灰度分辨率，又如光学图像处理中应用并发展了线性系统理论，计算机图像处理也是以三维空间域线性系统为基础，只不过计算机图像处理更灵活更精确，并且可采用许多高级技术如二维随机过程分析和谱分析等”。

人类最早的图像处理是光学的处理，如放大、缩小、显微等，这些都是模拟图像处理。

这种处理本质上属于并行处理，最明显的特点是处理速度快。

光学处理过程采用光学器件如镜头、棱镜等，存在不灵活性，而且子个光学器件从设计到加工成成品需要很长时剧，加工精度也难以保证。

但许多军用、宇航的处理仍采用光学模拟处理。

特别是近年来光学处理技术的发展，大大增强了模拟图像处理的实用性。

例如光学的频域处理（即傅立叶变换光学）系统既简单又实用。

虽然计算机图像处理己经占领图像处理的大部分领域，但光学图像处理由于本质上具有速度快和结构简单等优点，仍然大量被使用并迅速发展着。

但其处理精度差、灵活性差。

现在的光电混合处理方案受到极大重视，在系统上是光学处理。

平面的滤波图案可由计算机控制，这种集光学、数字两种处理方法的新型系统正在发展中。

2．2．2数字图像处理

数字图像是把需要处理的模拟图像数字化。

简单地讲是用～个网格把待处理的图像覆盖，然后把每一个方格中的模拟图像的各个亮度取平均值，作为该小方格中点的值；或者把方格的交叉点处的模拟图像的亮度值作为该方格点上的值。

这样，一幅模拟图像变化成只用小方格中的点的值来代表的离散值图像，或者只用方格交叉点的值表示的离散值图像”。

这个网格称为抽样网格，其意义是以网格为基础，采用某种形式抽取模拟图像的代表点的值，即抽样。

抽样后形成的图像称为数字图像。

数字图像中的几个要领介绍如下。

l、空间分辨率脚

空间分辨率是指网格在水平方向和垂直方向上分为多少格，通常空间分辨率用水平方向M格、垂直方向N格表示，记为MXN。

在计算机图像处理中用二迸制即M和N都用2“幂来表示。

每一个离散像点称为像元或像素。

2、密度分辨率

方格对模拟图像抽样的值仍是连续的，在计算机中舍入到符合2幂的值。

n可大可小，n小亮度层次变化少，n大亮度层次变化多。

一幅图像亮度层次变化多，则图像看起来越柔和越逼真，这个亮度层次的多少称为密度分辨率，是由光学图像处理中的名称延续下来的。

在计算机中其指标用2“来表示。

例如n为2时密度分辨率称为四级；n为8时密度分辨率称为256级。

密度分辨率在电视中常称为欢度级。

3、空问频率

读者已熟知对时间周期变化的信号可用频率度量，为把时间变量改为空间变量，即成为表示在空间距离上有周期性变化的信号。

当周期固定时．基周期的倒数就表示为空间频率。

在图像中这个周期性变量表示图像明暗变化的快慢，如图所示水平方向三幅图都有明暗的变化。

右图空问频率高，左图空间频率低。

空间频率高的图像主要表征图像的细微变化或细节内容：

空间频率你的图像中大的物体轮廓或变化趋势。

这个概念是图像处理技术中的频域处理的基础。

从模拟图像形成数字图像的过程可看出，一幅图像的空间分辨率越高，密度分辨越高，则图像的质量越好越逼真。

但在计算机图像处理中这两项指标越高，则占用的存储空间越多，或称占用更多的内存量。

一般可接受的，类似于高档电视图像的质量，密度分辨率为28即256级灰度，空间分辨率M×N为512×512，这样的数字图像占内存为512×512X'8bit，相当于256kB。

在某些医学应用中N和M都在1024以上，密度分辨率为2”～2“，占用内存就更多了。

由于图像数据量大，在数字图像处理中需要更长运算时间，在图像传输中将占有更宽的频带。

但由于常见的像素之间的灰度相关性较大因而可以利用相关性、主观性使数据量减少，使处理简化。

使数据量减少而不丢失有用的信息称为图像的数据压缩。

对于连续图像，即空间分布和亮度取值均连续分布的图像，计算机无法接收和处理。

图像数字化就是将连续图像离散化，其工作包括两个方面：

采样和量化。

所谓采样，就是把一幅连续图像在空间上分割成M×N个网格，每个网格用一亮度值来表示。

由于结果是一个样点值阵列，故又叫点阵采样。

采样把连续图像变为离散的点状图像，这是图像进入计算机进行处理的重要步骤91。

采样使连续图像在空间上离散化，但采样点上图像的亮度值还是某个幅度区间内的连续分布。

根据采样定义，每个网格上只能用一个确定的亮度值表示。

把采样点上对应的亮度连续变化区间转换为单个特定数码的过程，称之为量化，即样点亮度的离散化。

连续图像经过采样、分层、量化、编码等步骤变成数字图像才能进入计算机进行处理。

图像首先在印刷行业中采用，如报纸的钢版印刷图像和书籍中的照片。

它们的离散点很小，。

般需放大镜才能分辨其点状结构，因此不存在重建问题，因为人眼不能分辨这样细的颗粒，所以经人的视觉重建必然成为模拟图像，这是一种图像重建的模型。

目前在计算机图像处理中所分的离散点远不如印刷钢版那样细，这种离散的图像对人的感觉来讲仍是颗粒状的。

如何使离散图像在人感觉中与模拟图像相同，需采取相应的处理技术，这就是从离散图像重建模拟图像的技术，简称为图像重建。

模拟图像若在X方向采M个点，Y方向采N个点，就可得到M×N个点的数字化图像的形式。

采样是图像进入计算机的第一个处理过程。

二维图像用二维冲击函数来采样i采样函数是沿x方向间隔为△X，沿Y方向间隔为△y的函数阵列，形成以△X、△y

为间距的矩阵形采样网格。

采样后的图像只是在空间上被离散化，成为样本的阵列，每个取样样本称为像素，用ple来表示。

但是由于原f（X，Y）是连续图像，因此每个可能取值为无穷多个值的量。

为了进行计算机处理，必须把无穷多个离散值约简为有限个离散值，即量化，这样才便于赋予每一个离散值互异的编码以进入计算机。

为了方便计算机进行数据处理，有限个离散值的个数常用2“来表示，这个过程是把每一个离散样本的连续灰度值只分成有限多的层次，称分层量化。

把原图像灰度层次从最暗至最