大连理工第二次医学图像处理实验.docx

1、大连理工第二次医学图像处理实验医学图像处理报告1.实验目的掌握对数字图像进行算术、逻辑、亮度、空间、傅里叶、小波变换。2.叙述题目 1. 读入DICOM图像，向图像中添加随机噪声，生成多幅有噪图像，再把他们加起来，观察去噪效果。clc;clear;close;%path=D:R2010aR2010aworkspacemedical_imagExp2;file=strcat(path,CT159.dcm);i_dicom=dicomread(file);figure;imagesc(i_dicom);colormap(gray);% noisem,n=size(i_dicom);i_add=ze

2、ros(m,n);for i=1:10 i_noise=rand(m,n); i_new=double(i_dicom)+500*i_noise; if i=3 figure;imagesc(i_new);colormap(gray); title(strcat(noise image,num2str(i); end i_add=i_add+i_new;endfigure;imagesc(i_add);colormap(gray); title(add_noise image);原始图像以下三幅是添加随机噪声后的图像，可以看出图像变得不清楚。将副添加了随机噪声的图像叠加到一起，发现图像又变得比

3、添加了噪声的图像更清楚了，即叠加去噪。但是并没有原始图像清楚，猜测原因是由于数量太少，下面尝试一百张随机噪声图像叠加后，得到第二张叠加噪声的图如下。发现确实比用张随机噪声叠加后的图像清楚。说明，在去除随机噪声时，叠加去噪的效果与叠加的图片数量成正比。 2.对不同方向的条纹图像进行傅里叶变换，观察频谱中的谱峰位置与条纹方向的关系。3.% fft of image14.file1=Tshirt1.jpeg;5.t1=imread(strcat(path,file1);6.ti=rgb2gray(t1);7.figure;imshow(ti);8. 9.% fft10.fft1=fft2(ti);1

4、1.ffti=fftshift(fft1);12.abs_ffti=abs(ffti);13.figure;imshow(log(abs_ffti+1),);14.title(logfft_tshirt1);15. 16.% fft of image217.file2=Tshirt2.jpeg;18.t2=imread(strcat(path,file2);19.tii=rgb2gray(t2);20.figure;imshow(tii);21. 22.% fft23.fft_2=fft2(ti);24.fftii=fftshift(fft_2);25.abs_fftii=abs(fftii)

5、;26.figure;imshow(log(abs_fftii+1),);27.title(logfft_tshirt2);28.29.% 30.i3=imrotate(tii,30);31.fft3=fft2(i3);32.ff=fftshift(fft3);33.abs_fft=abs(ff);34.figure;imshow(log(abs_fft+1),);35.title(rotate_logfft);36.由于该衬衫是纵纹图样较多，即横向频率变化更多，所以得到了二维傅里叶变换的图像横直方向更亮由于该衬衫是横纹图样较多，即纵向频率变化更多，所以得到了二维傅里叶变换的图像竖直方向更亮将

6、图像旋转后做二位傅里叶变化得到下图，与上面log的图像做对比可以看出，新的傅里叶变化相当于原傅里叶变化旋转了度，同时还添加了一些其他成分。3. 读入一幅较大的图像，将其降采样到较小的尺寸，然后重新插值回原尺寸，比较不同的插值方法的效果。% resizefile3=BBB.jpg;t3=imread(strcat(path,file3);t4=rgb2gray(t3);figure;imshow(t4); m,n=size(t4);t5=imresize(t4,m/8,n/8);figure;imshow(t5);title(dowmsample); t6=imresize(t5,m,n,nea

7、rest);t7=imresize(t5,m,n,bilinear);t8=imresize(t5,m,n,bicubic);figure;subplot(2,3,1);imshow(t4);title(original);subplot(2,3,2);imshow(t5);title(downsample);subplot(2,3,3);imshow(t6);title(up_nearest);subplot(2,3,4);imshow(t7);title(up_bilinear);subplot(2,3,5);imshow(t8);title(up_bicubic); 局部图对比有图像可见

8、，降采样之后图像分辨率降低，变得不清楚。然后分别用三种不同的插值方法（nearest，bilinear，）恢复图像，可以看出，恢复出的图像的清晰程度是依次增加的，但是都没有原始图像那么清楚。4. 对图像进行一级小波变换，观察变换的结果。 cA1,cH1,cV1,cD1=dwt2(tii,db1);dec2d=cA1,cH1; cV1,cD1;figure;imagesc(dec2d);colormap(gray);可见右上角图只有横纹，左下角图只有竖纹，右下角图只有斜纹。三整体代码clc;clear;close;%path=D:R2010aR2010aworkspacemedical_imag

9、Exp2;file=strcat(path,CT159.dcm);i_dicom=dicomread(file);figure;imagesc(i_dicom);colormap(gray);% noisem,n=size(i_dicom);i_add=zeros(m,n);for i=1:10 i_noise=rand(m,n); i_new=double(i_dicom)+500*i_noise; if i=3 figure;imagesc(i_new);colormap(gray); title(strcat(noise image,num2str(i); end i_add=i_add

10、+i_new;endfigure;imagesc(i_add);colormap(gray); title(add_noise image);% fft of image1file1=Tshirt1.jpeg;t1=imread(strcat(path,file1);ti=rgb2gray(t1);figure;imshow(ti); % fftfft1=fft2(ti);ffti=fftshift(fft1);abs_ffti=abs(ffti);figure;imshow(log(abs_ffti+1),);title(logfft_tshirt1); % fft of image2fil

11、e2=Tshirt2.jpeg;t2=imread(strcat(path,file2);tii=rgb2gray(t2);figure;imshow(tii); % fftfft_2=fft2(ti);fftii=fftshift(fft_2);abs_fftii=abs(fftii);figure;imshow(log(abs_fftii+1),);title(logfft_tshirt2);% xuanzhuani3=imrotate(tii,30);fft3=fft2(i3);ff=fftshift(fft3);abs_fft=abs(ff);figure;imshow(log(abs

12、_fft+1),);title(rotate_logfft); % resizefile3=BBB.jpg;t3=imread(strcat(path,file3);t4=rgb2gray(t3);figure;imshow(t4); m,n=size(t4);t5=imresize(t4,m/8,n/8);figure;imshow(t5);title(dowmsample); t6=imresize(t5,m,n,nearest);t7=imresize(t5,m,n,bilinear);t8=imresize(t5,m,n,bicubic);figure;subplot(2,3,1);i

13、magesc(t4);title(original);subplot(2,3,2);imagesc(t5);title(downsample);subplot(2,3,3);imagesc(t6);title(up_nearest);subplot(2,3,4);imagesc(t7);title(up_bilinear);subplot(2,3,5);imagesc(t8);title(up_bicubic); % xiaobobianhuancA1,cH1,cV1,cD1=dwt2(tii,db1);dec2d=cA1,cH1; cV1,cD1;figure;imagesc(dec2d);colormap(gray);