登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入   新用戶註冊

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

新書推薦： 《 我们身边的小鸟朋友：手绘观鸟笔记 》 售價：NT$ 356.0 《 拯救免疫失衡 》 售價：NT$ 254.0 《 收尸人 》 售價：NT$ 332.0 《 大模型应用开发：RAG入门与实战 》 售價：NT$ 407.0 《 不挨饿快速瘦的减脂餐 》 售價：NT$ 305.0 《 形而上学与存在论之间：费希特知识学研究（守望者）（德国古典哲学研究译丛） 》 售價：NT$ 504.0 《 卫宫家今天的饭9 附画集特装版（含漫画1本+画集1本+卫宫士郎购物清单2张+特制相卡1张） 》 售價：NT$ 602.0 《 化妆品学原理 》 售價：NT$ 254.0

編輯推薦： 1.本书注重应用，系统地论述了数字图像处理的基本理论、基本方法和技术及其在医学上的应用。2. 所附加的程序是总结多年教学、科研经验的基础上用Visual Basic编写而成，可以直接运行，以利于学习、理解和应用图像处理的计算机程序设计方法；并且列出了经这些程序处理后的医学影像图像的效果。 3. 本书主要内容有数字图像的形成、医学数字图像处理系统的基本组成、医学图像的数据源、图像与视觉、数字图像的数据结构及基本统计特征、医学图像的DICOM结构、图像变换、数字图像增强与应用、图像恢复及几何校正、图像的编码、图像分析、图像的几何尺寸测量与医学图像的重建等。 內容簡介： 本书是作者根据课题组几年来的医学数字图像方面的教学和科研实际工作，参考了国内外*的研究成果撰写而成。主要内容有数字图像的形成、医学数字图像处理系统的基本组成、医学图像的数据源、图像与视觉、数字图像的数据结构及基本统计特征、医学图像的DICOM结构、图像运算与变换、数字图像增强与应用、图像恢复及几何校正、图像的编码、图像分析、图像的几何尺寸测量与医学图像的重建等。附录程序是在总结多年教学、科研经验的基础上用Visual Basic语言编写而成的，可以直接运行，以利于学习、理解和应用图像处理的计算机程序设计方法。 本书以实用为主，系统地论述了医学数字图像处理的基本理论和基本方法、技术。适合作为高等院校数字图像专业、医学信息专业的学生作为教材，也可作为医学数字图像处理爱好者的参考书。 目錄： 目录 第1章绪论1 1.1概述1 1.1.1数字图像处理发展史1 1.1.2数字图像处理的基本特点3 1.1.3数字图像处理的优点4 1.1.4数字图像处理的发展动向4 1.2数字图像的形成5 1.2.1抽样6 1.2.2图像抽样方法6 1.2.3量化9 1.2.4图像量化方法10 1.3数字图像处理的主要研究内容及应用 12 1.3.1数字图像处理的主要研究内容12 1.3.2数字图像处理的应用14 1.4数字图像处理系统的基本组成17 1.5医学数字图像处理系统的构成24 1.5.1医学图像的概念及特点24 1.5.2医学图像处理设备26 1.6医学数字图像的数据源28 1.6.1医学X线成像28 1.6.2显微医学成像28 1.6.3核医学图像29 1.6.4体表医学图像29 1.6.5超声医学图像30 1.6.6医学断层图像31 1.6.7磁共振成像31 1.6.8PET成像32 1.6.9医用LCD液晶显示器33 1.7医学数字图像的主要研究内容34医学数字图像处理及应用目录第2章图像与视觉39 2.1概述39 2.1.1图像质量评价与视觉的心理40 2.1.2画面组成和视觉心理40 2.1.3视觉的时空频率分析40 2.1.4视觉生理和模型的研究40 2.2光辐射41 2.2.1可见光41 2.2.2相对视敏度42 2.2.3光源的辐射功率波谱42 2.2.4可见光的度量42 2.2.5黑体辐射与色源45 2.2.6标准光源46 2.2.7辐射谱分解及反射率47 2.3视觉系统48 2.3.1视觉现象48 2.3.2视觉系统的基本构造49 2.4光度学50 2.5彩色视觉51 2.5.1物体的颜色51 2.5.2三基色原理和混色方法51 2.5.3彩色视觉53 2.5.4彩色量54 2.6人眼成像原理54 第3章数字图像的数据结构及基本统计特征56 3.1数字图像的基本数学模型56 3.2数字图像的数据结构及格式文件57 3.2.1图像的数据结构57 3.2.2图像的格式文件60 3.3数字图像的统计特征75 3.3.1图像的基本统计量75 3.3.2概率分布及直方图76 第4章数字图像的运算与变换78 4.1数字图像的点运算78 4.1.1数字图像的点运算概述78 4.1.2数字图像的代数运算79 4.2数字图像的几何运算80 4.2.1概述80 4.2.2几何变换基础齐次坐标81 4.2.3图像的位置变换82 4.2.4图像的形状变换84 4.3数字图像的傅里叶变换85 4.3.11D连续函数的傅里叶变换85 4.3.21D离散傅里叶变换86 4.3.32D连续函数的傅里叶变换87 4.3.42D离散傅里叶变换87 4.3.52D傅里叶变换的性质88 4.3.6快速傅里叶变换91 4.4数字图像的沃尔什变换95 4.4.1正交函数的概念95 4.4.2拉格尔函数96 4.4.3沃尔什函数97 4.4.4沃尔什变换99 4.5数字图像的哈达玛变换100 4.5.11D离散哈达玛变换100 4.5.22D离散哈达玛变换103 4.6数字图像的离散余弦变换104 4.6.11D离散余弦变换104 4.6.22D离散余弦变换104 4.7数字图像的霍特林变换105 4.8数字图像的小波变换107 4.8.1离散小波变换107 4.8.22D小波109 4.8.3小波包112 4.8.4Mallat算法115 第5章数字图像的增强及应用116 5.1图像的直方图增强116 5.1.1对比度扩展116 5.1.2非线性变换118 5.1.3直方图调整119 5.2图像的平滑处理127 5.2.1局部平均法127 5.2.2阈值法127 5.2.3空间域低通滤波128 5.2.4频域低通滤波法128 5.2.5多帧平均法130 5.3图像的锐化处理130 5.3.1空间域图像锐化130 5.3.2频率域高通滤波136 5.4图像的彩色增强137 5.4.1伪彩色处理137 5.4.2假彩色处理140 5.5图像彩色变换141 5.5.1颜色模型141 5.5.2彩色变换143 5.5.3图像的彩色变换145 5.6二值图像处理146 5.6.1图像的二值化146 5.6.2二值化图像处理147 5.7图像的同态增强148 5.8图像的非线性滤波150 5.8.1图像的中值滤波150 5.8.2选择平均法154 5.8.3加权平均法155 第6章数字图像的恢复及几何校正157 6.1图像退化的数学模型157 6.1.1一维离散退化模型157 6.1.22D离散退化模型159 6.2图像退化的参数估计161 6.2.1点扩散函数的估计161 6.2.2噪声功率谱的估计162 6.3图像的非约束恢复163 6.3.1逆滤波163 6.3.2消除匀速直线运动模糊165 6.4图像的约束恢复166 6.4.1最小二乘方滤波器和Wiener滤波器166 6.4.2最小二乘方恢复167 6.5图像的同态滤波复原169 6.6图像的几何校正171 6.6.1空间几何坐标变换171 6.6.2像元值的内插174 6.6.3控制点的确定176 第7章数字图像的编码178 7.1数字图像的编码的分类178 7.2图像的PCM编码179 7.2.1PCM编码的基本原理179 7.2.2PCM编码的量化噪声180 7.2.3编码器181 7.2.4非线性PCM编码181 7.2.5亚奈奎斯特采样PCM编码183 7.3图像的预测编码184 7.3.1无损预测编码184 7.3.2有损预测编码185 7.4图像的熵编码190 7.4.1概述190 7.4.2哈夫曼编码方法192 7.4.3香农编码法193 7.5图像的变换编码194 7.5.1变换编码的策略195 7.5.2变换编码的方法195 7.6图像的分形编码198 7.6.1分形编码方法与步骤199 7.6.2自动分形图像编码201 7.7图像的小波变换编码205 7.7.1小波变换编码一般方法205 7.7.2利用正交小波变换实现图像编码206 7.7.3图像编码的KL变换及小波包快速算法209 第8章数字图像分析211 8.1图像分割方法212 8.1.1阈值法212 8.1.2边缘检测214 8.2图像的纹理分析216 8.2.1直方图特征216 8.2.2傅里叶特征217 8.2.3灰度共生矩阵特征217 8.2.4纹理边缘的检测219 8.2.5纹理区域分割219 8.3形状分析的细化219 8.4图像特征的描绘方法221 8.4.1区域描绘221 8.4.2关系描绘225 8.4.3相似性描绘227 第9章图像测量与医学图像重建229 9.1图像的几何测量230 9.1.1长度测量230 9.1.2面积和周长测量230 9.1.3角度测量232 9.2形状分析232 9.2.1圆形度232 9.2.2矩形度233 9.2.3中心矩234 9.2.4主轴234 9.2.5链码及形状分析234 9.3图像的特征值提取236 9.3.1图像的特征236 9.3.2图像的特征值提取概述240 9.4医学图像重建243 9.5医学图像重建方法243 9.5.1方程联立法244 9.5.2迭代法245 9.5.3二维傅里叶变换法245 9.5.4反投影法247 9.6图像三维可视化248 9.6.1面绘制248 9.6.2体绘制249 9.6.3体数据二维重建250 附录A常用数字图像处理英文词条252 附录B常用医学数字图像处理Visual Basic程序254 附录C医学图像的实际处理效果图264 內容試閱： 前言 数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。随着图像处理技术的深入发展，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，实现类似人类视觉系统理解外部世界，这称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得不少重要的研究成果。其中代表性之一的成果是20世纪70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想，再就是因将图像处理技术应用医学而发明CT的英国电子工程师Hounsfield，他于1979年获得诺贝尔医学奖。图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，这些领域包括航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着数字化医疗设备的不断应用和普及，数字医学图像已经成为临床诊断的主要依据，医学影像的后处理技术也得到了不断的应用，并且有着广泛的应用前景。本书主要内容有数字图像的形成、医学数字图像处理系统的基本组成、医学图像的数据源、图像与视觉、数字图像的数据结构及基本统计特征、医学图像的DICOM结构、图像运算与变换、数字图像增强与应用、图像恢复及几何校正、图像的编码、图像分析、图像的几何尺寸测量与医学图像的重建等。附录程序是在总结多年教学科研经验的基础上用Visual Basic语言编写而成的，可以直接运行，以利于学习、理解和应用图像处理的计算机程序设计方法。本书以实用为主，系统地论述了医学数字图像处理的基本理论和基本方法、技术。在撰写过程中作者参考了国内外最新的资料，在讨论传统的图像处理和模式识别方法的基础上，引入最新的图像处理方法和模式识别方法，理论联系实际、深入浅出、具有方法性和实用性等特点。全书共分9章，第1.1～1.5节、第2章由尚宪刚撰写；第3章由李强撰写；第1.6节、第4～5章以及附录B和附录C由张兆臣撰写；附录A、第6章由王红梅撰写；第7章由张春玲撰写；第8章由邱建峰撰写；第9章由张光玉撰写。全书由张兆臣统稿、修改定稿，袭著霞校对。本书在撰写过程中得到了学校领导和很多老师的大力支持和帮助，特别是得到了医学信息工程学院、放射学院领导及泰安市中医医院的大力支持，在此一并表示衷心感谢!由于时间仓促加上作者水平有限，书中难免有不足之处，请广大读者批评指正! 编著者2017年3月医学数字图像处理及应用前言 第5章数字图像的增强及应用在图像的产生、传输和变换过程中，由于多种因素的影响，往往使图像与原始景物之间或者与原始图像之间产生某些差异，这种差异称为变劣或退化。图像的变劣使从图像中获取各种信息造成困难和不便。因此，有必要对变劣的图像进行恰当的处理，使处理后的图像更适合于人眼观察或有利用于从图像提取信息，这种处理称为图像增强处理。实际应用中，造成图像变劣的因素非常多，但变劣图像的变劣特征常见的有： 图像获得过程中对比度的降低如照相时曝光过度和曝光不足、信号的减弱如电视信号的远距离传输、图像模糊、图像上的噪声和图像几何畸变等。对每一种变劣特征的图像，有大致相似的增强处理方法。但是每一个增强处理方法具有特定的应用范围，对某一幅图像增强效果好的处理方法，对另一幅图像可能完全不适用。因此，图像增强处理的过程是一个选择、对比的过程，通过运用多种增强处理，观察效果，从中选出最适合的处理方法。从处理手段来讲，图像增强处理可分为空域法和频率域法两种。空域法指在图像所在的空间域中直接进行处理，而频域法指先把图像进行傅里叶变换，在频率域中处理后，进行傅里叶反变换。5.1图像的直方图增强对比度扩展与调整又称为灰度修改技术，灰度修改技术是一种简便而有效的提高图像对比度的方法。灰度修改也称为点运算，它不改变像素的位置，只改变像素的灰度。设输入图像为fx，y，输出图像为gx，y，则灰度修改技术的数学表达式可表示为gx,y=T［fx,y］51这里T为灰度修改的具体映射关系。5.1.1对比度扩展〖*2〗1. 线性变换设图像的灰度范围为［a，b］，若没有充分利用显示装置所允许的最大灰度范围［a1,b1］，就会导致图像的对比度太低，使一些细节不易被观察到。例如，摄影过程中如果曝光不足或曝光过度，均会出现这种缺陷。也就是说，灰度变换前后的灰度范围必须在显示装置所允许的最大灰度范围之内，下面简单说明这类变换的实际过程。医学数字图像处理及应用第5章数字图像的增强及应用解决上述问题的最简单的方法是进行灰度的线性变换，其数学表达式如下：gx,y=T［fx,y］=b1－a1b－a［fx,y－a］ a152对灰度进行这样线性变换以后，把原始图像fx，y的灰度范围［a，b］，强行扩展为显示装置所允许的最大灰度范围［a1,b1］，从而提高了整幅图像的对比度，原来观察不到的一些图像细节可能更加突出了。图5.1给出了这种线性灰度变换关系。2. 分段线性变换如果在图像处理过程中，需要突出图像中某灰度范围内的图像细节，同时又允许适当损失另外灰度范围内的图像细节，可以采用线性灰度变换的另一种形式，即分段线性变换。经过这种变换以后，可使所得图像细节的灰度范围得以扩展，增强其对比度；同时又使不感兴趣的图像细节所处的灰度范围得以压缩，降低其对比度。值得注意，这种分段线性变换，变换前后整幅图像总的灰度范围是不变的。由图5.2可以看出断点或端点O、A、B、C、D的断点对分别为0、a1、z1、a2、z2、a3、z3、a4、z4多段分段线性变换的数学表达式可写成：gx,y=zi－zi－1ai－ai－1［fx,y－ai－1］ zi－153其中,i=1,2,3，，n 1，即对于n个分段性拉伸的线段，则有n 1个断点和n 1个断点对的数据，这n 1个断点对数据可以建立n个分段性拉伸变换方程，这n个方程分别描述n条线性拉伸变换关系的直线。图5.1灰度范围的线性变换图5.2分段线性变换 在实际处理过程中，如果图像上灰度范围的两端区域上有噪声，比如感光胶片上有划伤和黑色感光Ag颗粒，则可用这种变换把灰度范围的两端区域压缩，使人眼视觉对噪声的感受不明显，而对有用细节所占据的灰度区域给于线性扩展，提高这部分的对比度。如果图像上绝大部分像素的灰度级集中在［a，b］范围内，比较少的像素的灰度级超出此范围，则可用以下变换增强原图像上［a，b］范围的对比度。gx,y=b1－a1b－a［fx,y－a］ a1afx,yba1fx,y0如果fx,y =a1,则有gx,y=lna1=g1如果fx,y =b1,则有gx,y=lnb1=g2显然，变换前的灰度范围［a1,b1］在 变换后成为［g1,g2］，为保证变换后的灰度范围仍然为［a1,b1］，则须用线性变换的方法把灰度范围［g1,g2］扩展为［a1,b1］，由此得出对数变换的表达式为gx,y=b1－a1lnb1－lna1［lnfx,y－lna1］ a155对数变换的功能是扩展低值灰度区域和压缩高值灰度区域，使人眼更容易看清低灰度区域内的图像细节，如图5.4所示。2. 指数变换图像的指数变换即指输出图像像素灰度值与对应的输入图像像素灰度值之间为指数变换关系，如图5.5所示，其一般表达式为y=bcx（56）式中y为变换后像素灰度值，也即输出图像灰度值，x为原图像灰度值，也即输入图像灰度值b为底，常用b=e。用于指数扩展时，作为输入图像亮度值的x可能达到127或255，系数c必须远小于1（0.50，故取7级灰度值。而6.23的023＜0.50，即6.23这一数字靠近6整数，故取6级灰度值，应注意这种取整的方法并不是四舍五入。按照前面计算结果，得出均衡化后新的像素灰度级，现在就可以画出均衡化前后的直方图和累积分布直方图见图5.8。将原始直方图和均衡化直方图对比一下，可以看出变换后确实起到了均衡化的作用，但均衡化以后也不是绝对均匀一致，直方图仍略有高低不平，这说明各灰度级像素数并不是严格相等的。仔细观察图5.8c的均衡化直方图，其中0、2、4三个灰度级已没有像素了，原始图像这3个灰度级是有像素的，所以原始直方图中有这3个灰度级的直方图，但是均衡化后这3个灰度级却作了牺牲，故均衡化后的直方图没有这3个灰度级，这些灰度级的像素在均衡化过程中都已并入其他灰度级中了，这是均衡化的一个不足之处。但总的趋势是均衡处理后比处理前均匀得多，直观地比较两个直方图的曲线，就可明显地看出这一点。另外，图5.8b的阶梯折线是图5.8a原始直方图的累积分布函数，它就是进行均衡化的变换函数曲线。计算图像直方图均衡化的结果，最后将本例均衡化前后各种数据统计见表5.3。图5.8均衡化前后直方图的比较表5.36464图像均衡化前后处理数据统计表原始像灰度级x均衡化灰度级y像素数原像素数百分比pxx原累积百分比xk=0pxk均衡化后百分比pyy均衡化后的累积百分比xk=0pxk017900.190.190.190.191310230.250.440.250.44258500.210.650.210.65366563299850.160.080.240.8146245122814480.060.030.020.110.890.240.89570.95670.980.111.00771.002. 直方图匹配在某些场合下，要求突出图像中感兴趣的灰度范围，这时，可以修改图像的直方图，使其具有所要求的形状。这种方法称为直方图匹配或直方图规定化。下面介绍图像直方图匹配的一般方法。设原始图像xu,v,其经过直方图匹配后变换为图像zu,v，而zu,v是具有某一指定的直方图pzz，pzz在连续情况下就是匹配变换后图像的概率密度函数，对于离散的数字图像来说，它就是变换后图像各灰级像素数百分比的变量。但这一匹配的变换过程并不是直接进行转换，而是在这一过程中，首先要将原始图像进行均衡化，设均衡化后的图像为yu,v，其直方图设为pyy，然后进行比较均衡化后的累积直方图yk=0pyk和指定变换目标图像zu,v的累积直方图，从两个累积直方图的某些相等之处，就可以找出原图像和其对应的指定直方图的灰级，然后再将原图像的这些灰级变换为与其匹配的指定直方图的灰级，最后原始图像xu,v，经过处理变换后就变为直方图匹配图像zu,v，这就是直方图匹配处理的基本过程。利用式58，原图像均衡化灰级的最小值gmin=0,则有：pyy=1gmax510 前面的直方图均衡化公式59变为y=gmaxxk=0pxk511应用式510和式511可以计算均衡化后的直方图，即各灰级像素数的百分比以及各直方图，也即各灰级像素数的百分比以及各直方图的灰级值pyy和y。由于标准图像zu,v的pzz是已知的，然后可进一步算出它的累积直方图的 zk=0pzz。现在，对于均衡化后的图像yu,v和指定直方图图像zu,v，总能找到某一对应的y和z的灰级值，使得下式成立：yk=0pykzk=0pzk512式512表示离散的分布函数相近，它意味着在这些相近的数值之处，其对应的灰级对y和z就是要找的灰级变换对。这样，就可以把原图像灰级x先均衡化为y灰级，然后根据式512的条件找出相对应的y和z，再把均衡化为y灰级变换为指定匹配的灰级z，最后得出指定直方图的匹配图像。下面通过一个例子再来看一下图像直方图匹配的过程和做法。仍选用前面6464的0～7级灰级图像块作为例子，图像的基本数据见表5.1，根据基本数据做出原始直方图和均衡直方图5.8。现在要求6464的原始图像块按下列指定直方图数据进行处理，即用指定直方图数据来匹配原始图像，指定直方图的数据列在表5.4中，根据表5.4的数据进一步计算统计可以算出累积百分比数据（见表5.5）。根据表5.4和表5.5可以作出指定直方图和它的累积直方图。表5.4指定直方图数据表灰级（z）像素数百分比（pzz）灰级（z）像素数百分比（pzz）00.0040.2010.0050.3020.0060.2030.1570.15表5.5根据指定直方图数据计算出累积直方图数据灰级（z）累积百分比zk=0pzk灰级（z）累积百分比zk=0pzk00.0040.3510.0050.6520.0060.8530.1571.00为了把原始图像用指定直方图的参数进行匹配，就必须比较指定直方图的累积百分比和均衡化后的累积百分比，也即比较两个累积直方图。两个累积直方图数据相等之处的对应灰级对，就是匹配转换的对应灰级，这些对应的灰级就是原始图像均衡化后的灰级及所对应转换的指定直方图灰级。因此就有：均衡累积百分比yk=0pyk进行比较（近似的相等）指定直方图累积百分比zk=0pzz0.190.150.440.350.650.650.890.851.001.00由上面的比较可以看出，近似号两边的数据有的是真正相等，有的相差不多，例如0.89和085。有的相差稍微大了些，例如0.44和0.35。但在匹配过程中却认为是相等的，这样就进一步认为这些匹配相等的两边累积百分比数据所代表的灰级也应该匹配，即有下面的比较结果：

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	台灣用户　|　香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.