医学MRI及CT图像融合 课程设计.docx

医学MRI及CT图像融合 课程设计.docx

《医学MRI及CT图像融合 课程设计.docx》由会员分享，可在线阅读，更多相关《医学MRI及CT图像融合 课程设计.docx（15页珍藏版）》请在冰豆网上搜索。

医学MRI及CT图像融合课程设计

1设计目的、意义

综合应用医学影象物理学、医学成像原理、医学图象处理、计算机编程、Matlab语言等基础与专业知识，通过理论与实践相结合，掌握所学知识的综合应用方法，掌握图象融合的应用方法，培养和提高解决本专业实际工程问题的能力。

课程设计的主要目的：

（1）培养学生文献检索的能力，特别是如何利用Internet检索需要的文献资料。

（2）培养学生综合分析问题、发现问题和解决问题的能力。

（3）培养学生用maltab处理图像与数据的能力。

2设计内容

2.1设计要求：

要求设计出MRI与CT图像融合处理与分析程序。

（1）处理对象：

MRI与CT图像

（2）内容：

对给定图像做图像滤波、增强等预处理；选择相应配准算法进行两图像的配准；选择合理融合方法进行两图像的融合；确定评价参数，定量分析融合效果，采用Matlab编程，实现上述各过程。

（3）结果：

整理所设计资料，提交设计报告

2.2设计内容：

（1）了解医学MRI和CT图像成像原理，分析MRI和CT图像的特征，确定图像滤波、增强等预处理算法，并编程实现；

（2）确定图像配准处理算法，并编程实现；

（4）确定图像融合处理算法，并编程实现；

（5）确定评价参数，定量分析融合效果。

2.3实验原理

医学图像融合技术作为图像处理主要的技术已逐渐成为图像处理研究的热点,它的研究将会对未来医学影像技术进步带来深远的影响。

2.31CT的成像基本原理

电脑断层扫描（ComputedTomography  简称（CT））  :

它是用X射线照射人体，由于人体内不同的组织或器官拥有不同的密度与厚度，故其对X射线产生不同程度的衰减作用，从而形成不同组织或器官的灰阶影像对比分布图，进而以病灶的相对位置、形状和大小等改变来判断病情。

CT由于有电脑的辅助运算，所以其所呈现的为断层切面且分辨率高的影像。

一般临床所提及的CT，指的是以X光为放射源所建立的断层图像，称为X光CT。

事实上，任何足以造成影像，并以计算机建立断层图的系统，均可称之为CT。

CT是用X线束对人体某部一定厚度的层面进行扫描，由探测器接收透过该层面的X线，转变为可见光后，由光电转换变为电信号，再经模拟/数字转换器（analog/digitalconverter）转为数字，输入计算机处理。

图像形成的处理有如对选定层面分成若干个体积相同的长方体，称之为体素（voxel），见图1。

扫描所得信息经计算而获得每个体素的X线衰减系数或吸收系数，再排列成矩阵，即数字矩阵（digitalmatrix），数字矩阵可存贮于磁盘或光盘中。

经数字/模拟转换器（digital/analogconverter）把数字矩阵中的每个数字转为由黑到白不等灰度的小方块，即象素（pixel），并按矩阵排列，即构成CT图像。

所以，CT图像是重建图像。

每个体素的X线吸收系数可以通过不同的数学方法算出。

图2.31ct成像原理示意图

CT图像是由一定数目由黑到白不同灰度的象素按矩阵排列所构成。

这些象素反映的是相应体素的X线吸收系数。

不同CT装置所得图像的象素大小及数目不同。

大小可以是1.0×1.0mm，0.5×0.5mm不等；数目可以是256×256，即65536个，或512×512，即262144个不等。

显然，象素越小，数目越多，构成图像越细致，即空间分辨力（spatialresolution）高。

CT图像的空间分辨力不如X线图像高。

CT图像是以不同的灰度来表示，反映器官和组织对X线的吸收程度。

因此，与X线图像所示的黑白影像一样，黑影表示低吸收区，即低密度区，如含气体多的肺部；白影表示高吸收区，即高密度区，如骨骼。

但是CT与X线图像相比，CT的密度分辨力高，即有高的密度分辨力（densityresolutiln）。

因此，人体软组织的密度差别虽小，吸收系数虽多接近于水，也能形成对比而成像。

这是CT的突出优点。

所以，CT可以更好地显示由软组织构成的器官，如脑、脊髓、纵隔、肺、肝、胆、胰以及盆部器官等，并在良好的解剖图像背景上显示出病变的影像。

CT图像是层面图像，常用的是横断面。

为了显示整个器官，需要多个连续的层面图像。

通过CT设备上图像的重建程序的使用，还可重建冠状面和矢状面的层面图像，可以多角度查看器官和病变的关系。

2.32MRI成像原理

    MRI检查技术是在物理学领域发现磁共振现象的基础上，于20世纪70年代继CT之后，借助电子计算机技术和图像重建数学的进展和成果而发展起来的一种新型医学影像检查技术。

ZMx影像园XCTMR.com

    MRI是通过对主磁体内静磁场（即外磁场）中的人体施加某种特定频率的射频脉冲（RF脉冲），使人体组织中的氢核（即质子）受到激励而发生磁共振现象；当终止RF脉冲后，质子在弛豫过程中感应出MR信号；经过对MR信号的接收、空间编码和图像重建等处理过程，产生出MR图像。

MR图像是数字化图像。

人体内氢核丰富，而且用它进行MRI的成像效果最好，因此目前MRI常规用氢核来成像。

1.目前设计的磁共振成像扫描仪大多是采用氢质子成像的，因为氢质子是人体内最活跃、最易受外界磁场影响的原子核。

2．氢质子在外加磁场的影响下，产生磁化和进动运动。

3．氢质子在上述磁化运动的基础上，如再使用一个射频脉冲（RF）使其激发并获取能量，当RF终止后，氢质子便会逐渐地释放所获取的能量并恢复至常态。

此恢复的过程称为弛豫。

2.33基于小波包变换的医学图像融合

小波变换用于图像融合具有以下优点:

（1）图像经小波分解后,不同分辨率的细节信息互不相关,这样可以将不同频率范围内的图像分别组合,产生多种具有不同特征的融合图像;

（2）图像在不同分辨率水平上的能量和噪声不会相互干扰;

（3）小波变换具有完善的重构能力,能保证图像在分解过程中没有信息损失和信息冗余。

基于小波包运算和自适应算子的图像融合算法实现过程是:

先对已配准的两幅或多幅医学图像进行小波包分解,然后采用自适应算子对小波系数及分解子图像进行处理,最后进行小波包重建,从而获得融合图像。

图2.32小波变换原理图

3实验程序与实验结果

图3.1处理前CT与MRI图像

3.1对图像进行滤波预处理

3.11中值滤波

    中值滤波可以保留目标边缘，这是中值滤波器相对于均值滤波器的最大优势。

中值滤波具有去噪的性能，可以消除孤立的噪声点，可以用来减弱随机干扰和脉冲干扰，但是边缘不模糊。

程序代码：

I=imread（'cameraman.tif'）;

imshow（I）

title（'原始图像'）

J=imnoise（I,'salt&pepper',0.02）; %添加盐椒噪声，噪声密度为0.02

figure,imshow（J）

title（'添加盐椒噪声后的图像'）

K1=medfilt2（J）;              %在默认的3×3的邻域窗中进行中值滤波

figure,imshow（K1）

title（'默认的3×3的邻域窗的中值滤波图像'）

K2=medfilt2（J,[55]）;          %在5×5的邻域窗中进行中值滤波

figure,imshow（K2）

title（'5×5的邻域窗的中值滤波图像'）

图3.11.1CT图像的中值滤波

图3.11.2MRI图像中值滤波

从上可见，中值滤波的效果要比邻域平均的低通滤波效果好，中值滤波以后的图像的轮廓比较清晰，而且使用较小的模板得到的视觉效果反而好一些。

3.12锐化滤波

     图像锐化处理的目的是使模糊图像变得清晰，锐化滤波器减弱或消除了傅立叶空间的低频分量，保留高频分量，从而加强了图像的轮廓，使图像看起来比较清晰。

下面应用Laplacian算子对图像进行锐化处理：

程序代码：

%应用Laplacian算子对图像进行锐化

I=imread（'cameraman.tif'）;

imshow（I）

title（'原始图像'）

H=fspecial（'laplacian'）;    

%应用laplacian算子滤波锐化图像

laplacianH=filter2（H,I）;

figure,imshow（laplacianH）

title（'laplacian算子锐化后的图像'）

图3.12.1CT图像的锐化滤波

图3.12.2MRI图像的锐化滤波

 分析：

由图可以看出，应用了Laplacian算子对图像锐化以后，将图像区域的边缘轮廓勾划了出来，因此Laplacian算子对于边缘检测也具有很好的功效。

3.2对图像进行增强预处理

图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。

其主要目的是使处理后的图像对某些特定的应用比原来的图像更加有效图像增强有图像对比度增强、亮度增强，轮廓增强等等。

下面利用直方图均衡化增强图像的对比度：

I=imread（'cameraman.tif'）;

J=histeq（I）;                   

%将灰度图像转换成具有64（默认）个离散灰度级的灰度图像

imshow（I）

title（'原始图像'）

figure,imshow（J）

title（'直方图均衡化后的图像'）

figure

（1）

subplot（121）;imhist（I,64）

title（'原始图像的直方图'）

subplot（122）;imhist（J,64）

title（'均衡化的直方图'）

图3.21原始图像及均衡化直方图

图3.22直方图均衡化图像

分析：

从上图中可以看出，用直方图均衡化后，图像的直方图的灰度间隔被拉大了，均衡化的图像的一些细节显示了出来，这有利于图像的分析和识别。

直方图均衡化就是通过变换函数histeq将原图的直方图调整为具有“平坦”倾向的直方图，然后用均衡直方图校正图像。

3.3对MRI和CT图像进行融合

3.31基于小波包变换的医学图像融合

为满足医学图像临床辅助诊断和治疗的需要,将小波包变换和自适应算子相结合,提出一种新的医学图像融合算法。

算法首先对已配准的医学图像进行小波包分解,并采用自适应算子对小波系数及分解子图像进行处理,通过小波包重建,获得高质量的医学融合图像。

该方法克服了小波变换不能兼顾图像高频成分的缺陷,并且可以根据不同的医学图像自动调整融合规则的权重系数,有效避免了设置固定权重系数造成的融合误差。

实例融合

仿真验证了算法的有效性和先进性

clear

%装载原始图像001.mat;002.mat并显示。

[X,map]=imread（'003.Tif'）;

X1=X;map1=map;

figure

（2）;

X1=imread（'003.Tif'）;

subplot（2,2,1）;

imshow（X1）;

title（'图像001'）;

X2=imread（'004.Tif'）;

subplot（2,2,2）;

imshow（X2）;

title（'图像002'）;

X1=double（X1）;

X2=double（X2）;

%X1=uint8（X1）;

%X2=uint8（X2）;

%=========================================================

%对上述两图像进行分解

[c1,I1]=wavedec2（X1,3,'sym4'）;

[c2,I2]=wavedec2（X2,3,'sym4'）;

%对分解系数进行融合

c=c1+c2;

%=========================================================

%应用融合系数进行图像重构并显示

XX=waverec2（c,I1,'sym4'）

subplot（2,2,3）;

%image（uint8（XX））;

XX=double（XX）;

image（XX）;

title（'融合图像'）;

Csize1=size（c1）;

%==========================================================

%对图像进行增强处理

fori=1:

Csize1

（2）

c1（i）=1.2*c1（i）;

end

Csize2=size（c2）;

forj=1:

Csize2

（2）

c2（j）=0.8*c2（j）;

end

%===========================================================

%通过减小融合技术以减小图像的亮度

c=0.5*（c1+c2）;

%===========================================================

%对融合系数进行图像重构

XXX=waverec2（c,I2,'sym4'）;

%===========================================================

%显示重构结果

subplot（2,2,4）;

XXX=double（XXX）;

image（XXX）;

%image（uint8（XXX））;

title（'融合后增强图像'）;

图3.31CT和MRI图像融合结果图

4设计心得及感想

随着各种医学影像设备数字多元化以及PACS系统的逐步推广,医学图像处理技术也在不断发展和进步。

常见的诊断手段,如:

X光透视、CT、MRI、超声波等属于解剖成像;PET、SPECT、功能性磁共振成像（fMRI）等技术属于功能成像。

医学图像融合技术则是将各种医学图像的信息有机结合起来,进行配准后融合,不仅可以优势互补,还有可能发现新的、有价值的信息,弥补了由于成像原理不同造成的图像信息的缺失。

目前,图像融合技术已经成为计算机手术仿真或治疗计划中的一个重要方法。

CT/MRI是医学图像融合中最为常见的一种模式。

CT图像的密度分辨率高,显示骨质清晰;而MRI的软组织分辨率好,对颅脑结构显示得更好,两类图像融合后,可做到信息互补。

同时,在图像融合领域中,有效实用的算法是融合的关键。

这次的课程设计让我们对MALTAB有了更加深刻的理解，对给定图像做图像滤波、增强等预处理；选择相应配准算法进行两图像的配准；选择合理融合方法进行两图像的融合；确定评价参数，定量分析融合效果，采用Matlab编程，实现上述各过程。

我们对用MALTAB进行数据分析理解的更加透彻。

MATLAB作为一种数学工具,广泛用于各个工程领域.工程技术人员通过MATLAB提供的工具箱和丰富的调用函数,可以完成复杂工程问题的数值求解.并能够将计算结果形象直观地显示出来。

这也激发了我今后努力学习的兴趣，我想这将对我以后的学习产生积极的影响。

其次，这次课程设计让我充分认识到团队合作的重要性，只有分工协作才能保证整个项目的有条不絮。

另外在课程设计的过程中，当我们碰到不明白的问题时，指导老师总是耐心的讲解，给我们的设计以极大的帮助，使我们获益匪浅。

因此非常感谢老师的教导。

通过这次设计，我懂得了学习的重要性，了解到理论知识与实践相结合的重要意义，学会了坚持、耐心和努力，这将为自己今后的学习和工作做出了最好的榜样。

我觉得作为一名软件工程专业的学生，这次课程设计是很有意义的。

更重要的是如何把自己平时所学的东西应用到实际中。

虽然自己对于这门课懂的并不多，很多基础的东西都还没有很好的掌握，觉得很难，也没有很有效的办法通过自身去理解，但是靠着这一个多礼拜的“学习”，在小组同学的帮助和讲解下，渐渐对这门课逐渐产生了些许的兴趣，自己开始主动学习并逐步从基础慢慢开始弄懂它。

我认为这次的课程设计意义很深，和其他同学的共同学习﹑配合﹑努力的过程也很愉快，另外还要感谢老师的耐心辅导。

生活就是这样，汗水预示着结果也见证着收获。

劳动是人类生存生活永恒不变的话题。

通过实习，我才真正领略到“艰苦奋斗”这一词的真正含义，我才意识到老一辈电子设计为我们的社会付出。

我想说，设计确实有些辛苦，但苦中也有乐，在如今单一的理论学习中，很少有机会能有实践的机会，但我们可以，而且设计也是一个团队的任务，一起的工作可以让我们有说有笑，相互帮助，配合默契，多少人间欢乐在这里洒下，大学里一年的相处还赶不上这十来天的合作，我感觉我和同学们之间的距离更加近了；我想说，确实很累，但当我们看到自己所做的成果时，心中也不免产生兴奋；正所谓“三百六十行，行行出状元”。

参考文献：

【1】张泽宝《医学影象物理学》人民卫生出版社

【2】罗述谦《医学图象处理》科技出版社

【3】张孝飞,王强,韦春荣,等.医学图像融合技术研究综述[J].广西科学,2002,9

（1）:

64-68

【4】陆宏波,施惠昌.于小波变换的图像融合方法[J].电子工程师,2001,27（5）:

54-

【5】张莉，常本康，余松涛.CT与MRI医学图像融合算法及结果分析

【6】罗火灵，许永忠，冉洋，陈世仲.CT与MR医学图像的三种融合方法对比研究

【7】叶德荣，李坤成，马斌荣，童隆正，汪伟.CT、MRI脑图像融合技术的研究.医疗设备信息.

【8】杨立才，刘延梅，刘欣，姚玉翠.基于小波包变换的医学图像融合方法.中国生物医学工程学报.2009.2

【9】刘晓华，李红.基于小波变换的多光谱图像融合.华中科技大学硕士学位论文.2005.4.16

【10】张辉，王建国.基于目标检测的SAR图像匹配算法.电子与信息学报.2008.12

【11】张强，那彦.图像匹配算法研究.西安电子科技大学硕士学位论文.2006.1.1