MRI图像增强和灰度插值模板
图像增强技术—灰度变换及应用实例
就是按照线性函数的映射关系对灰度进行变换，图 像取反、增加或者减小对比度、增加或者减小亮度都是 灰度线性变换的一种。
下图是用halcon做的图像取反的灰度变换。
原 图
灰 度 直
方
图
反
反Байду номын сангаас
变
变
换
化 后
后 的 灰
的
度
图
直
像
方
图
2.2 非线性灰度变换
非线性灰度变换就是构造一种非线性映射函数常见的变换有 ：对数变换、指数变换等。比如说：对数变换主要就是低灰度区扩展， 高灰度区压缩；灰度变换除了线性变换，非线性变换，还有分段线 性变换：这个主要是为了突出感兴趣的部位。下图为以10为底的对 数变换图像。
乳腺原图
去除部分背景后的图
采用了分段线性灰度变换突出乳腺信息。第二个峰值为乳腺信息，选取 两个转折点（80，20）（150，240），把乳腺的灰度值范围扩大， 实现了突出兴趣部位信息需求。
4 总结
灰度变换主要就是把原像素的值做了一个重新分 配来提高对比度，灰度变换很重要的一部分就是参 数的选择，可以在原有的算法的基础上进行改进， 得到自己更加需要的图像。
图像增强技 术—灰度变换
1 灰度变换的简单介绍
•
灰度变换是图像处理中的一个基本最基本技术技术之一，它
进行的是点运算，就是直接对像素点的值进行运算。灰度变换也是
图像增强技术中一种非常基础直接的空间域图像处理方式，根据自
的需要对图像进行灰度变换增强，增加对比度、突出感兴趣的区域
都是可以的。
2 常见的灰度变换
原 图
灰 度 直
方
图
指 数
图像的灰度变换增强实验报告
图像的灰度变换增强实验报告一、实验目的1、 理解数字图像处理中点运算的基本作用；2、 掌握对比度调整与灰度直方图均衡化的方法。
二、实验原理1、对比度调整如果原图像f (x , y )的灰度范围是[m , M ]，我们希望对图像的灰度范围进行线性调整，调整后的图像g (x , y )的灰度范围是[n , N ]，那么下述变换：[]n m y x f mM n N y x g +---=),(),( 就可以实现这一要求。
MATLAB 图像处理工具箱中提供的imadjust 函数，可以实现上述的线性变换对比度调整。
imadjust 函数的语法格式为：J = imadjust(I,[low_in high_in], [low_out high_out])J = imadjust(I, [low_in high_in], [low_out high_out])返回原图像I 经过直方图调整后的新图像J ，[low_in high_in]为原图像中要变换的灰度范围，[low_out high_out]指定了变换后的灰度范围，灰度范围可以用 [ ] 空矩阵表示默认范围，默认值为[0, 1]。
不使用imadjust 函数，利用matlab 语言直接编程也很容易实现灰度图像的对比度调整。
但运算的过程中应当注意以下问题，由于我们读出的图像数据一般是uint8型，而在MATLAB 的矩阵运算中要求所有的运算变量为double 型（双精度型）。
因此读出的图像数据不能直接进行运算，必须将图像数据转换成双精度型数据。
MATLAB 中提供了这样的数据类型转换函数：im2double 函数，其语法格式为：I2 = im2double(I1)运算之后的图像数据再显示时可以再转化成uint8型，格式为：I3 = uint8 (I2)2、直方图均衡化直方图均衡化的目的是将原始图像的直方图变为均衡分布的形式，即将一已知灰度概率密度分布的图像，经过某种变换变成一幅具有均匀灰度概率密度分布的新图像，从而改善图像的灰度层次。
直肠癌mri诊断报告模板
直肠癌mri诊断报告模板患者信息- 姓名：- 性别：- 年龄：MR检查参数- 检查时间：- 检查设备：- 采用序列：临床信息- 主诉：- 病史：- 其他相关检查结果：（如CT、PET-CT、肠镜）MRI表现在MRI检查中，发现直肠区域有以下异常改变：1. 位置：直肠X cm处（距离肛缘X cm），从X段到X段。
2. 形态：呈现扩张、狭窄或结节样改变。
3. 信号特征：（描述异常信号特征，如低信号、高信号等）4. 边界：（描述病变边界的清晰度，如清晰、模糊等）5. 大小：病变最大直径约X cm。
水平切面图像斜位切面图像动态增强扫描- 具体参数：（如启动时间、扫描延迟、扫描时间等）- 动态增强扫描结论：（描述病变的强化模式和时间曲线）附加信息：（如淋巴结转移情况、邻近器官侵犯情况）结论与诊断建议根据上述MRI表现及临床信息，结合其他检查结果，初步考虑以下可能的诊断：1. 直肠癌；2. 直肠息肉；3. 其他（如炎症性肠病、肠梗阻等）。
进一步的评估与鉴别诊断建议：- 结合病理学和临床表现进行进一步的鉴别诊断；- 需要进行直肠活检以明确病理诊断。
注意事项与建议- 在进一步诊断前，建议结合患者的临床症状、体征及其他检查结果进行综合分析；- 病理诊断是明确病变性质和进一步治疗策略的关键；- 根据医生的建议制定随访计划。
请以上述报告为参考，并根据具体情况进行相应的调整和修改。
注：本报告仅供参考，具体报告要根据实际情况进行填写，并由专业医师进行审核和签名。
医学影像处理中的图像增强算法使用技巧分享
医学影像处理中的图像增强算法使用技巧分享图像增强是医学影像处理中的重要任务之一，它旨在改善图像的质量，使医生能够更准确地诊断和治疗疾病。
在医学影像处理领域，图像增强算法扮演着关键角色，它们能够增强图像的对比度、清晰度和边缘特征，从而提供更有用的信息。
在本文中，我们将分享一些医学影像处理中的图像增强算法使用技巧，帮助读者在实践中获得更好的结果。
1. 直方图均衡化(Histogram Equalization)直方图均衡化是一种简单却有效的图像增强方法，它通过重新分布图像像素的灰度级来增强图像的对比度。
在医学影像处理中，直方图均衡化可以帮助凸显影像中的重要结构和特征。
使用该算法时，需要考虑到不同图像具有不同的亮度分布特点，因此可能需要自适应的直方图均衡化算法来应对不同场景下的图像增强需求。
2. 噪声去除滤波器(Noise Removal Filters)噪声是医学影像处理中常见的问题之一，它会影响图像的质量和对比度。
为了去除噪声并增强图像，可以使用各种滤波器，如中值滤波器、高斯滤波器和均值滤波器。
中值滤波器可以有效地去除脉冲噪声，而高斯滤波器和均值滤波器则可以平滑图像并减少高频噪声。
根据图像的性质和需求，选择适当的滤波器非常关键。
3. 边缘增强(Edge Enhancement)边缘增强是一种用于增强图像边缘特征的方法，它可以使医生更容易地检测和分析图像中的病灶和结构。
在医学影像处理中，常用的边缘增强算法包括Laplacian增强、Sobel增强和Canny边缘检测。
这些算法能够突出显示图像中的边缘信息，并减少噪声的干扰。
然而，在使用边缘增强算法时，需要注意避免过度增强图像，以免造成误诊。
4. 对比度增强(Contrast Enhancement)对比度增强是一种改善图像对比度的方法，它可以使图像中的细节更加清晰可见。
在医学影像处理中，常见的对比度增强算法包括直方图拉伸、伽马校正和局部对比度增强。
直方图拉伸可以通过拉伸图像的灰度级范围来改善图像的对比度。
磁共振脑报告模板
磁共振脑报告模板前言磁共振成像（MRI）是一种非侵入性的医学影像学技术，广泛用于检查人体内部器官和组织的结构和功能。
其中，磁共振脑部成像是最为常见的应用之一。
为了使医生能够更好地理解MRI脑图像的结果，本文提供了一个磁共振脑报告模板，旨在帮助医生准确描述MRI图像的特征和诊断结果。
基本信息•姓名: 患者姓名•性别: 患者性别•年龄: 患者年龄•临床诊断: 患者病史和症状MRI扫描信息•扫描仪型号: 使用的MRI设备型号•扫描序列: 采用的MRI扫描序列•扫描参数: MRI扫描的相关参数，例如磁场强度、TR/TE等MRI脑图像特征描述T1加权像•脑组织对比度: 脑白质和脑灰质之间的对比度•髓鞘: 白质区域是否显示出高信号或是条纹状信号，此可用于检测慢性多发性硬化等髓鞘病变•萎缩: 脑体积是否正常，如果异常，应描述萎缩的严重程度。
T2加权像•水肿: 是否存在水肿现象，如脑实质水肿•异常信号: 是否存在异常的高信号或低信号区域•占位病变: 是否发现占据一定脑容积的病理性信号改变。
•脑室扩大的情况：如是否有额角、侧脑室扩大等。
染色剂增强的T1加权像•异常信号: 是否存在异常的增强信号•病变大小: 病变的直径和体积诊断结果根据上述MRI脑图像特征，结合临床病史和症状，得出以下诊断结果：•病变: 在MRI扫描图像中发现存在病变，如占位性病变或小血管病变等。
•脑减少: MRI表现出较明显的脑体积减少。
•未见明确异常: MRI扫描结果呈现正常。
•其他特殊情况: 如硬脑膜下血肿、脑胶质瘤等。
结尾以上是磁共振脑报告模板的具体内容，希望对医生理解和记述MRI脑图像结果有所帮助。
不同磁共振扫描的结果会有所不同，因此建议根据具体情况添加必要的项目，以确保结果描述全面准确。
医学图像插值方法对比[1]
![医学图像插值方法对比[1]](https://img.taocdn.com/s3/m/5a8ef5a70029bd64783e2c64.png)
第１期医学图像插值方法对比·２ｓ和ｉ分别表示原始图像和经过两次插值后的图像灰度的平均。
Ｋ，Ｌ分别表示图像的长和宽。
由于大多数插值变换相互之间的差异不是很大，因此各种方法的归一化相关系数Ｃ都很接近。
为了更好地比较各种方法的差异，将线性插值对应的相关系数设为０，将三次插值（８ｘ８）对应的相关系数没为１，引入归一化处理后的相对衡量Ｓ。
：ｓ。
＝≤｝专（２）均方差ＭＳＤＭＳＤ＝瓦１∑¨（ｓ（＾，ｆ）一ｒ（＾，ｆ））２（３）差异点比例ＰＤ％定义差异点数目ＰＤ为：ＰＤ＝＞：．．ｔ（Ｉｓ（ｋ，ｚ）一ｒ（ｋ，ｚ）１）其中：ｒｃｘ，＝（：冀矗’８时这个指标表征两幅图像对应点差异大于某个阈值０的点有多少。
本文中阈值选定为整幅图像均值的１，３。
差异点数目比例ＰＤ％为ＰＤ与整个图像的象素数之比。
（４）相对运行时间ｒ为了衡量插值的速度，并且排除硬件及软件编程的影响，使用相对运行时间，即：将最常使用的线性插值的相对运行时间设为１，其它插值方法的相对运行时问为其实际运行时间与线性插值的实际运行时间的比值。
（５）图像相减本文将经过正反变换的两幅图像进行相减运算，以直观地显示各种插值方法引入的误差。
２结果使用插值改变ＭＲ分辨率实验得到的结果如图２～４示。
图２为分辨率为３００×２５０的ＭＲ图像，图３为经过插值后的分辨率为３００ｘ３００的图像。
图４为图３经过反插值后得到的分辨率为３００×２５０的图像与图２相减的结果。
图６为使用插值进行ＭＲ和ｃＴ图像旋转示例。
图７为使用插值获取不同视角图像示例。
表１～３是在以上三种实验中，进行两次插值后结果的比较。
圈２分辨率为３１３０２５０的ＭＲ图像图４经过正反两次插值的图像与原图像（圈２）相减的结果田３冉圈２经过ｓ【眦一Ｈａｎｎｌｎｇ插值变为分辨率为３００３００的图像图５经过Ｓｉｎｅ—ｔｒｕｎ∞ｔｅｄ正反插值的分辨率为３００２５０的变形的ＭＲ圈博．可看到边缘有不平滑点出现图６（ａ）原ＭＲ图像（ｂ）用ｓｉｒｅ岫方｛击旋转了３０。
MRI扫描参数调整方法改善图像质量
MRI扫描参数调整方法改善图像质量MRI（磁共振成像）是现代医学中常用的一种无创检查技术，通过利用磁场和无害的无线电波产生详细的身体内部结构图像。
然而，在进行MRI扫描时，图像质量可能受到许多因素的影响，如扫描参数的选择、病人的体态以及仪器的性能。
因此，优化MRI扫描参数以改善图像质量是非常重要的。
MRI扫描参数主要包括扫描序列、扫描时间、空间分辨率、重复时间（TR）、回波时间（TE）、翻转角度（flip angle）和磁场强度等。
下面将介绍几种常用的MRI扫描参数调整方法来改善图像质量。
首先，选择适当的扫描序列对图像质量有着重要的影响。
不同的扫描序列有不同的优点和适用范围。
例如，T1加权图像可提供更好的结构分辨率，适用于解剖学信息的获取；T2加权图像对病变的显示更敏感，适用于炎症和水肿的评估。
因此，在选择扫描序列时应根据具体的临床目的进行合理选择。
其次，调整扫描时间有助于提高图像质量。
过长的扫描时间可能会导致图像模糊，因为病人在扫描过程中难以保持静止。
因此，缩短扫描时间是提高图像质量的关键。
可以通过减少图像矩阵尺寸、减少视野（FOV）或使用平行成像技术来实现缩短扫描时间的目的。
第三，空间分辨率是指图像中的像素数目，对图像细节的呈现有重要影响。
一般来说，增加空间分辨率会提高图像质量，但同时也会增加扫描时间。
选择合适的空间分辨率应根据具体情况进行权衡。
对于需要高分辨率的结构，如脑部细微结构或关节软骨，应优先选择更高的空间分辨率。
接下来，调整重复时间（TR）和回波时间（TE）可以改善MRI图像的对比度和清晰度。
重复时间是指磁场由高到低再由低到高恢复到原始状态所需要的时间，而回波时间是指激发脉冲到回波信号出现的时间间隔。
通过调整TR和TE的数值，可以增强不同组织之间的对比度。
例如，较长的TR和TE对脑脊液信号有利，而较短的TR和TE对灰质和白质结构的显示更有优势。
因此，根据图像需求，对不同扫描序列进行适当的TR和TE调整是提高图像质量的重要措施。
数字图像处理实验-灰度直方图
实验一灰度直方图1．实验目的：（1）加强灰度直方图的图像增强技术的认识和了解；（2）掌握均衡化处理方法对图像做增强处理；2．实验内容：如下图所示是一张大脑的医学核磁共振( MRI)图像，原图由于对比度太低而使得大脑的内部组织层次不清，欲利用直方图均衡等方法对该图做增强处理，先编制出位图读取程序，对该图像进行灰度值统计，并在屏幕上绘制出相应的直方图。
3．实验结果（代码&结果可视化）1）编写程序设原始图像在x,y处的灰度为f而改变后的图像为g则对图像增强的方法即为在x,y处的灰度f映射为g在直方图均衡化处理中对图像的映射函数可以定义为g=Q(f), 即是一个累加分布函数CDF。
实际处理变换算法是先对原始图像的灰度情况进行统计分析并计算出原始直方图分布。
然后根据计算出的累计直方图分布求出f->g的灰度映射关系。
重复上述步骤得到原始图像所有灰度级到目标图像灰度级的映射关系后按照这个映射关系对原始图像各点像素进行灰度转换即可完成对原始图像的直方图均衡化。
具体算法：首先统计原始图像的各级灰度值在程序中定义了一个数组lCount[256]来统计原设计图像的各级灰度值，然后对得到的灰度值做灰度映射将映射后的结果存到一个新的灰度映射关系数组bMap[256]中根据这个数组就可以确定出原始图像的某个灰度级经过变换后对应于德灰度级，最后将变换后的结果保存到DIB中。
2）核心程序for (i = 0; i < lHeight; i ++){for (j = 0; j < lWidth; j ++){lpSrc = (unsigned char *)lpDIBBits + lLineBytes * i + j;lCount[*(lpSrc)]++; // 计数加1}}// 统计原设计图像的各级灰度值// 计算灰度映射关系for (i = 0; i < 256; i++){lTemp = 0; // 初始为0for (j = 0; j <= i ; j++){lTemp += lCount[j];}bMap[i] = (BYTE) (lTemp * 255 / lHeight / lWidth); // 计算对应的新灰度值}for(i = 0; i < lHeight; i++)// 每行{for(j = 0; j < lWidth; j++)// 每列{// 指向DIB 第i 行第j 个象素的指针lpSrc = (unsigned char*)lpDIBBits + lLineBytes * (lHeight - 1 - i) + j;// 保存新的灰度值*lpSrc = bMap[*lpSrc];}}3）直方图绘制4．实验分析和总结直方图均衡化处理后图像的直方图较为平直，各灰度级的值相对均匀。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
课程设计报告题目：MRI图像增强和灰度插值专业：生物医学工程班级：生医2班学号：姓名：指导教师：天津医科大学生物医学工程学院年月日一. 开题背景在社会生活和科研生产中, 人们随时随地都要接触图像。
图像信息是人类认识世界的重要信息来源。
而图像处理就是一门关于图像的综合学科, 它汇聚了光学、电子学、数学、摄影技术和计算机技术等众多学科【1】。
所谓图像处理,就是通过某些数学运算对图像信息进行加工, 以满足人的视觉心理和实际生活需要。
医学图像处理作为一门具有很强实用价值和广泛应用前景的交叉学科,吸引了电子、数学、物理等诸多不同专业人员从事于这一热点领域的研究。
医学图像具有信息量大、图像模糊、处理困难等特点,借助于图形图像技术的快速发展和应用,医学图像的成像质量和显示方法得到了极大的改善,大大提高临床诊断的准确性和正确性,这样既能充分挥了医学影像设备的效力和潜能,又能促进了诊疗水平的提高,改善了人们群众的健康况。
因此对医学图像处理方法的研究具有十分重要的理论意义和现实意义【2】。
磁共振成像MRI可以很好地识别大脑的灰质和白质密度接近的软组织，从而深受医生的青睐。
其临床应用越来越广，然而受其他因素影响。
原始的MRI图像可能出现值脉冲噪声、伪影、图像模糊等。
因此需要对MRI图像进行增强处理，凸显重要的医学特征改善图像的质量，以方便医生对病情做出准确的判断。
二．课题目的在学习了数字信号处理和医学图像处理等课程的基础上，以MRI图像为例，利用Matlab软件，学习医学图像的读取保存等基本操作，图像的灰度映射增强(直方图均衡化、直方图规定化和Gamma校正)以及常用的三种灰度插值算法：最近邻算法，双线性插值法，三次多项式插值。
三．课题研究的主要内容1、原始图像是MRI脑图像，分别为t1加权像，t2加权像和pd质子加权像。
了解所给MRI图像的图像信息，如图像宽度、高度和文件类型等；2、根据图像的不同类型，把原始MRI图像转为灰度图像，将图像拆分为大小相等的t1,t2, pd三幅图像并保存；3、绘出t1, t2, pd三幅图像的灰度直方图，分析图像的灰度分布情况，并分别利用直方图均衡化、直方图规定化和Gamma校正对三幅图像进行增强处理，并对结果加以比较；4、对t1, t2, pd三幅图像每三点取一点进行采样，然后分别利用最近邻法，双线性法及三次多项式插值恢复图象，并对这三种插值方法结果进行比较。
四．原理和方法1、利用Matlab软件的imread函数读入图像，再imfinfo函数获取所给MRI图像信息；2、根据得到的图像的矩阵信息将图像拆分为大小相等的t1, t2, pd三幅图像并保存；3、利用imhist函数绘出三幅图像的灰度直方图，再分别用histeq函数，自定义的twomodegauss函数，imadjust函数对三幅图像进行直方图均衡化，直方图规定化，Gamma 校正增强处理；4、对t1, t2, pd三幅图像每三点取一点进行采样，再利用imresize函数进行最近邻法，双线性法及三次多项式插值恢复图象【3】。
五．步骤与结果1、利用imfinfo函数获取所给MRI图像信息，程序见附录（1），结果如下:Width: 520Height: 284ColorType: 'indexed'由此可知原始MRI图像的宽为520列，高为284行，图像类型是索引图像；2、利用ind2gray函数将原始图像转换为灰度图像，程序见附录（1），结果如图1:gray image图1 原始MRI的灰度图像3、根据得到的图像的矩阵信息将图像拆分为大小相等的t1, t2, pd三幅图像，程序见附录（1），结果如图2.1~2.3:图2.1 原始t1加权像的灰度图像t2图2.2 原始t2加权像的灰度图像图2.3 原始pd 质子加权像的灰度图像4、绘出t1, t2, pd 三幅图像的灰度直方图，程序见附录（2），结果如图3.1~3.3：50100150200250图3.1 t1加权像的灰度直方图50100150200250图3.2 t2加权像的灰度直方图50100150200250图3.3 pd 质子加权像的灰度直方图结果分析：由三幅加权像的灰度直方图可以看出，脑组织的灰度值主要分布在40-150 之间。
5、图像增强处理（1）直方图均衡化利用histeq函数对三幅加权像的灰度图像进行均衡化处理，程序见附录（3），结果如图4.1~4.6：t1图4.1 t1加权像均衡化后图像501001502002500500100015002000图4.2 t1加权像均衡化后图像的灰度直方图t2图4.3 t2加权像均衡化后图像501001502002500500100015002000图4.4 t2加权像均衡化后图像的灰度直方图pd图4.5 pd 加权像均衡化后图像5010015020025005001000150020002500图4.6 pd 加权像均衡化后图像的灰度直方图结果分析：直方图均衡化的基本思想是把原始图像的直方图变换成均匀分布的形式，这样就增加了图像灰度值的动态范围，从而达到了增强图像整体对比度的效果。
但这种方法的缺点是它对处理的数据不加选择，它可能会增加背景杂讯的对比度，并且降低有用信号的对比度，变换后图像的灰度级减少，某些细节消失。
从而导致三幅加权像均衡化效果不佳。
（2）直方图规定化利用自定义的一个双峰高斯函数作为规定化函数对三幅加权像的灰度图像进行规定化处理，双峰高斯函数如图5.1，程序见附录（4），规定化程序见附录（5），结果如图5.2~5.7：5010015020025030000.0020.0040.0060.0080.010.0120.0140.0160.0180.02灰度值概率图5.1 双峰高斯函数t1图5.2 t1加权像规定化后的图像501001502002500500100015002000图5.3 t1加权像规定化后的图像的灰度直方图t2图5.4 t2加权像规定化后的图像501001502002500500100015002000图5.5 t2加权像规定化后的图像的灰度直方图pd图5.6 pd 加权像规定化后的图像5010015020025005001000150020002500图5.7 pd 加权像规定化后的图像的灰度直方图结果分析：直方图规定化就是通过一个灰度映射函数，将原灰度直方图改造成所希望的直方图。
所以，直方图修正的关键就是灰度映像函数。
这里选择双峰高斯函数作为灰度映射函数，规定化后图像层次清晰，效果较好。
(3) Gamma 校正利用imadjust 函数对三幅加权像的灰度图像进行Gamma 校正，这里以t1加权像的结果为例，程序见附录（5），结果如图6.1~6.8：gamma=0.2图6.1 gamma=0.2时t1加权像的校正图像g a m m a=0.4图6.2 gamma=0.4时t1加权像的校正图像图6.3 gamma=0.6时t1加权像的校正图像gamma=0.8图6.4 gamma=0.8时t1加权像的校正图像图6.5 gamma=1.4时t1加权像的校正图像gamma=1.8图6.6 gamma=1.8时t1加权像的校正图像图6.7 gamma=2.2时t1加权像的校正图像gamma=2.4图6.8 gamma=2.4时t1加权像的校正图像结果分析：当gamma>1时，输入中较宽的低灰度范围被映射到输出中较窄的灰度范围，输入中较窄的高灰度范围被映射到输出中较宽的灰度范围；这里gamma=1.4时校正图像效果较好。
6、图像插值（1）对t1, t2, pd三幅加权图像每三点取一点进行采样，然后利用imresize函数分别进行最近邻法，双线性法及三次多项式插值恢复图象，比较不同放大倍数时不同插值方法的效果，这里以t1加权像的插值结果为例，程序见附录（6），结果如图7.1~7.9：nearest图7.1 放大倍数为1时最近邻插值图像bilinear图7.2 放大倍数为1时双线性法插值图像bicubic图7.3 放大倍数为1时三次多项式插值图像n e a r e s t图7.4 放大倍数为2时最近邻插值图像bilinear图7.5 放大倍数为2时双线性插值图像bicubic图7.6 放大倍数为2时三次多项式插值图像nearest图7.7 放大倍数为3时最近邻插值图像bilinear图7.8 放大倍数为3时双线性插值图像bicubic图7.9 放大倍数为3时三次多项式插值图像结果分析：放大倍数较小时，三种插值方法效果差别不大；当图像放大倍数较大时，双线形插值法和三次多项式插值效果较好，最近邻插值效果较差。
(2)插值图像和原始图象进行相减，比较两幅图象在灰度上的差别，统计差值图像的平均值和方差等指标，对插值图象的好坏进行评估：插值图像与原始图像相减，这里以t1加权像为例，程序见附录（7），结果如图8.1~8.6：t1o r i g i n a l n e a r e s t s u b t r a c t i o n图8.1 t1加权像、最近邻插值图像、相减后图像0501001502002505001000150020002500300035004000450050005500nearest subtraction图8.2 最近邻插值图像与t1加权像相减后图像的灰度直方图t1 originalbilinear subtraction图8.3 t1加权像、双线性插值图像、相减后图像050100150200250500100015002000250030003500400045005000bilinear subtraction图8.4 双线性插值图像与t1加权像相减后图像的灰度直方图t1 original bicubic subtraction图8.5 t1加权像、三次多项式插值图像、相减后图像050100150200250500100015002000250030003500400045005000bicubic subtraction图8.6 三次多项式插值图像与t1加权像相减后图像的灰度直方图结果分析：由相减图像的灰度直方图可以看出，最近邻插值法可能会造成插值生成的图像在灰度上的不连续，在灰度变化的地方可能出现明显的锯齿状。
双线性插值法与三次多项式插值法生成的图像在灰度没有不连续的缺点，灰度变化的地方较平滑，结果基本令人满意。
差值图像的平均值和方差，程序见附录（8)，结果如表1~表3： 表1 插值图像与t1加权像差值图像的均值和方差插值方法 均值 方差 最近邻 1.9929 10.4356 双线性 1.7257 8.8480 三次多项式1.60007.6375表2 插值图像与t2加权像差值图像的均值和方差插值方法均值方差最近邻 1.6600 9.7840双线性 1.4087 7.2833三次多项式 1.3138 6.4945表3 插值图像与pd加权像差值图像的均值和方差插值方法均值方差最近邻 1.6362 10.5718双线性 1.4095 7.9868三次多项式 1.3379 7.4807结果分析：由表1~表3可以看出差值图像的均值与方差都是三次多项式插值法最小，双线性插值法次之，最近邻插值法最大，说明三次多项式插值图像效果最好，最近邻插值图像效果最差。