医学图像几何畸变校正论文.docx

医学图像几何畸变校正论文.docx

《医学图像几何畸变校正论文.docx》由会员分享，可在线阅读，更多相关《医学图像几何畸变校正论文.docx（34页珍藏版）》请在冰豆网上搜索。

医学图像几何畸变校正论文

第一章绪论

1.1本课题的目的及意义

图像在生成过程中，由于成像系统本身具有的非线性或者摄像师视角的不同，都会使生成的图像产生几何失真和畸变。

图像的几何失真从广义上来说也是一种图像的退化。

这就需要通过几何变换来校正失真图像中的各个像素位置，以重新得到像素间原来的空间关系，和原来的灰度值关系，这就叫做图像的几何校正，它也是图像处理中的重要环节之一[1]。

怎样才能良好的对图像进行修正和还原就是我需要进行研究的，我的目的是方便快捷的对图像进行几何校正。

随着计算机技术在医学领域的应用不断深入，医学图像的处理与分析显得越来越重要。

近几年来，X光与核磁共振图像方面的研究则更为深入和广泛。

传统的放射性医学图像的形成过程中，吸收介质的差异会影响成像的效果。

因此，图像会因成像设备、介质和噪声的干扰而导致其质量不高[3]。

一般来说，医学图像特别是X光图像，都会伴有对比度低、噪声大和边缘模糊等特点。

这些因素极大地影响了图像的质量，并对临床的诊断形成较大干扰，这对医生的诊断经验和能力提出更高要求。

如果能够利用图像处理技术，提高图像的质量，将会有效提高临床诊断的正确性。

同时，医学图像增强、去噪、特征识别等技术也是未来自动诊断技术的基础。

如果医学图像几何校正算法对医学图像的校正过于简单，会导致图像中的一些细节特征的丢失而这些有可能是很多医学图像中非常重要的信息[4]。

因此，通过研究图像处理的算法提出了一种比较理想的图像几何校正程序是很有必要的。

1.1.1理论意义

随着科学技术的发展，图像的获取途径越来越多，图像的应用领域越来越广泛，但是由于图像形成与获取的内在规律决定了很多图像并不能被直接应用，因为图像在获取的时候根据各物体的几何位置，形状，尺寸，方位等特征与在参照系统中的表达要求不一致导致它的变形[5]。

而医学图像的几何校正就是对图像在医学中的应用，如X射线显微CT成像，X光成像，显微镜获取图像等途径获取的图像进行校正，医学图像的处理在医学中起着至关重要的作用。

一个完整的图像几何校正过程通常包括图像采集、图像校正、图像匹配和图像合并四个步骤。

图像采集的优劣直接影响图像校正的难易，容易造成图像几何畸变和灰度差异。

正是由于医学图像的获取有太多的干扰和影响导致它的成像很难达到预期要求，而且这种影响是多方面的大致可分为三类

（1）人体内器官的重叠，如胃和肾的位置，心和肺的位置导致的成像的复杂性大大的加强了

（2）因为医学图像的获取多是通过X射线和核磁共振等穿透技术导致成像的清晰性下降。

（3）图像的成像条件，如摄像设备的焦距、成像距离，图像获得的途径等等。

这些困难也为医学图像的获取造成了难度[6]。

1.2课题的研究背景和发展现状

1.2.1医学图像处理研究背景

数字图像处理技术是20世纪60年代随着计算机技术和超大规模集成电路的发展而产生、发展和不断成熟起来的一个新兴技术领域，它在理论上和实际应用中都取得了很大的成就。

视觉是人类最重要的感知手段，图像又是视觉的基础。

早期图像处理的目的是改善图像质量，它以人为对象，以改善人的视觉效果为目的。

医学图像处理技术则是数字图像处理的一个重要分支。

1972年英国EMI公司工程师Hounsfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT。

CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，成为图像重建。

1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。

1979年，这项无损伤诊断技术被授予诺贝尔奖，以表彰它对人类做出的划时代贡献[7,8]。

近20多年来，医学影像已成为数字图像技术中发展最快的领域之一，其结果是使临床医生对人体内部病变部位的观察更直接、更清晰，确诊率也更高。

特别是从20世纪70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理技术向更高、更深层次发展。

人们已开始研究如何用计算机系统解释图像，类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。

随后数字图像处理技术迅猛发展，数字图像处理技术在生物医学工程方面的应用也越来越凸显出来了，且很有成效。

除了CT技术之外，还有一类是对医用显微技术的处理分析，如染色体分析、癌细胞识别等。

此外，在X光肺部图像增强、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术[6]。

1.2.2发展现状

现阶段国内外普遍采取的的方法是大概相同的，包括两个主要步骤

（1）空间变换：

对图像平面上的像素进行重新排列以恢复原空间关系；

（2）灰度插值：

对空间变换后的像素赋予相对的灰度值以恢复原位置的灰度值。

因此需要两个独立的算法：

一个是定义空间变换本身的算法，用以描述每个像素的运动，即每个点由初始位置移动到终止位置的整个过程；另一个是灰度值校正算法，一般情况下，输入图像的位置坐标是整数，输出的位置坐标是非整数，反之亦然[8]。

因此，需要对图像的灰度值重新采样。

在图像的几何校正过程中，要先得出校正参数。

首先，在畸变图像和标准图像之间选择明显的特征点作为控制点，其个数由待定系数的多少确定。

控制点在畸变图像和标准图像中是一一对应的，通过测定这些控制点的对应关系，可以建立畸变图像和标准图像之间的映射关系。

而控制点则由人工选取，其坐标也由人工读取。

其次，建立几何坐标校正模型，并依据实测的一定数量的控制点，按最小二乘法原理进行曲面拟合，求解几何坐标校正模型中的待定系数。

由于存在误差，畸变图像上的控制点与标准图像上的控制点之间是一种近似的对应，而不是完全的对应。

最后，根据映射关系对畸变图像各个像素点的坐标进行校正[9]。

当然也有些综合处理的方法，不过大多是根据不同要求的不同需要在这一方法上面加以改进和加工后的方法，如南京理工大学的朱日宏和李建欣就研究过在光学图像系统中的数字校正方法。

他们的方法主要是基于光学成像系统中由于焦距和镜头所产生的光学成像畸变，这种畸变的校正难度在于光学系统本身在设计上的复杂性给畸变的校正带来的影响[10,11]。

他们的方法在设计比较简单实用，对一般场合的拍摄能进行很好的校正，但由于在医学图像中对图像的要求比较高，所以他们的设计对本课题的借鉴意义并不是很大。

DeliaSoimu，CristianBadea，NicolasPallikarakis也对X射线图像的几何校正进行了新的探索，通过网格把图像进行了分割，变成一个个的小方格，再对小格内的图像进行了一个个的几何校正，然后对各个校正之后的图像整合，这是对原始的整体法和局部法这两种方法的一次整合。

是对图像的几何校正的一次突破性的探索，很有启发性也很有创新性，但是这仅仅是对两种方法的一种综合。

也是对整体法够简单但是不够精确和局部法够精确但过于复杂的一次平均处理[9,10]。

随着信息技术的突飞猛进，尤其是互联网和家用数字图像设备的快速发展，以图像为载体和涉及到图像处理的相关应用日益增多。

除了传统的工业与科研应用外，由于家用数字相机逐步取代传统胶片相机，而且具有摄像功能的智能手持设备也越来越多，这使得现在的图像处理技术以前所未有的广度和深度应用到人们生活的各个领域。

医学图像的几何畸变是指在通过医学仪器获取医学图像的过程中，由于拍摄角度和拍摄距离的原因，造成医学图像发生变形。

这些图像产生几何畸变是由于在采集图像时，没有垂直并且正对被拍景物。

这种现象在医学图像获取时特别常见，但有时候在对医学诊断影响不是很大的前提下都未对图像进行处理，或者是只是简单的校正一下。

对于几何畸变的校正，国内外在这一问题上的研究已经有了一定的成果。

比较有影响的是美国Adobe公司开发出来的Photoshop软件。

该软件和专门的畸变校正插件后，可以解决镜头产生的桶形畸变和枕形畸变，对医学图像的处理有一定作用[12,13]。

1.2.3课题研究意义

研究医学图像的几何畸变自动校正具有较大的实用价值和研究意义。

首先，在就医过程中医学图像越来越多的出现在医生的诊断过程中，对医生对病情的判断起到至关重要的作用，市场前景广阔，解决一个通用的、普遍的问题是非常必要的。

虽然下面所作的研究是一种特定数字图像为研究对象来解决问题，但是目前数字图像处理技术的基础都是一样的，都是以光电耦合器件为核心的。

只要仍然使用这种技术，那么几何畸变问题将始终伴随。

所以找到一种自动校正的方法来解决几何畸变问题，不但对医学图像的校正有意义，对任何数字图像的处理都有很强的借鉴意义，都具有很高的实用价值。

其次，目前国内在几何畸变校正技术上的研究主要集中在使用者参与的基础上，整个校正过程使用者需要进行比较复杂的操作，校正结果的判断也是由使用者主观完成。

因此，研究数字图像几何畸变自动校正算法，就是针对这些问题展开的研究，并且该算法不需使用者介入操作，能够通过PC机实现自动校正，更加简单的操作能够能使医疗器材的使用更普遍，有利于医疗仪器的增值。

研究的对象主要是产生几何畸变的数字图像，目的是找出一种有效的图像处理方法来自动校正数字图像的几何畸变，修复退化图像。

数字图像产生几何畸变的一个主要原因是由于医疗采集设备并没有正对，并且垂直于被拍摄部位。

例如，我们在楼底拍摄一座高楼时，往往在拍到的照片中，高楼的顶部变窄，底部变宽，从矩形变为梯形，这是一种典型的几何畸变现象。

在医学图像的采集过程中也会产生一样的畸变效果，而且有时候还会出现桶形畸变，枕形畸变等常见的的图像畸变。

如图1.1和1.2所示，分别是楼房的梯形畸变和老虎图像的桶形畸变。

图1.1梯形畸变图1.2桶形畸变

产生几何畸变的原因正如上面所说的，是采集系统在采集图像时角度的问题和发送图像的时候产生的不可避免的噪声和干扰。

想要在拍摄的时候使拍摄装置与拍摄物各部分之间的拍摄角度和拍摄距离保持相同是很困难的，所以数字图像发生几何畸变的现象很常见。

产生几何畸变的数字照片有些用Photoshop等图像编辑软件就可以修正，但对大部分人来说，这是件费时又费力的事情。

而且，在实际中，很多人并不会操作这些软件，往往他们看到这些有几何畸变的图片，要么直接放弃要么将就使用，对于医学图像来说这是十分危险的。

其实，很多这种图片只要修复得好，会基本恢复拍摄物原来的样子。

因此有必要研究一种基于数字图像处理的几何畸变自动校正方法，一方面可以嵌入到医学仪器的内部，使用者可以直接在使用医学仪器的时候对畸变图片进行自动校正，储存得到没有畸变的图片；另一方面，医学仪器采集后的图像单独处理，所以非常有必要编写一个可以独立运行的软件，使用者只需要输入畸变图像，软件可自动校正畸变图像并储存得到校正后的没有畸变的图像。

1.3设计的总体思路

对医学图像的处理分为三部分：

图像增强、边缘检测、畸变校正。

对畸变图片采用直方图均衡化进行图像增强，突出图像的边缘，然后利用Sobel算子对增强后的图像进行边缘检测方便对控制点的提取，最后利用控制点法进行校正。

在实现阶段充分体现模块化，运用Matlab进行编程，并在通过GUI界面进行处理和显示。

因为Matlab自带的图像处理功能十分的完善，从而能够对图像进行更好更完善的处理。

本文一共分为三章，具体如下：

第一章为绪论部分，主要介绍了数字图像的几何畸变现象以及其研究背景、研究意义、研究现状，同时陈述了本文的研究思路和主要内容。

第二章给出了数字图像处理以及图像几何畸变校正的相关理论，同时给出了一种控制点法实现校正几何畸变的方法。

第三章为畸变图像的几何畸变校正，通过图像提取，彩色图像的灰度化，几何形状校正，图像增强四个步骤对楼房等建筑物的几何畸变进行了校正。

最后对毕业设计的工作进行了总结和展望，同时介绍了在从事毕业设计过程中的一些心得、体会。

第二章数字图像基础及几何校正方法

2.1数字图像的基本概念

图像复原技术是数字图像处理领域的一个重要研究方向，现在相当一部分研究成果和理论都集中在图像复原上。

在过去的几十年里，图像复原理论发展的很快，但总体处理思路基本相同，即设计一个