基于Matlab的X线医学图像增强与直方图处理方法
基于直方图的X线医学图像增强及Matlab实现
ｓ＝ Ｔ （ ｒ ） （ １ ）
７ １ （ ｒ ）满足 ２个条 件 ：
率． 针对 ｘ线医学图像 的特点 ， 本文讨论 了直方 图 均衡 化 图像增 强方 法 ． 直 方 图 均衡 化 算 法 是 图像 增
强方 法 中最常用 、 最 重要 的算 法之一 ， 适 用于整 体 图 像对 比度 低 的图像 ． 实验结 果证 明 ， 用直 方 图均 衡 化 算法 对 ｘ线 医学 图像 进行 增 强 ， 具 有 良好 的增 强效
果．
（ Ｉ ） （ ｒ ） 在区间 ０≤ｒ ≤ｌ 内单值单调增加 ；
ｓ 到ｒ 的反变 换 函数如 下 ： ｒ＝ Ｔ （ ｓ ） （ ０≤ ｓ≤ １ ）
一
１ 直 方 图 图像 增 强 的基 本 理 论
１ ． １ 直方 图基础
（ ２ ）
图像 的直方 图表示 图像 中每一 灰度 级 与处 于该 灰度级 的像素数 目之间 的统计 关系 ， 能 描述 图像 的灰 度范 围、 灰度 级 分 布情 况等 概 貌． ¨ 直方 图 图像增 强即通过改造原 图像 的直方 图 ， 使 图像 的直方 图达 到
第３ ５卷第 ２期 ２ ０ １ ４年 ４月
通 化 师 范 学 院 学 报（ 自然科 学）
Ｊ ＯＵＲ ＮＡＬ ＯＦ Ｔ ＯＮＧＨＵＡ ＮＯＲＭＡＬ ＵＮＩ ＶＥ ＲＳ Ｉ ＴＹ
Ｖｏ １ ． ３ ５№２
Ａｐ ｒ ．２ ０１ ４
基 于直 方 图 的 Ｘ线 医学 图像 增 强 及 Ｍａ ｔ ｌ ａ ｂ实现
一
‘ （ Ｓ ）也要 求要 满 足条件 （Ｉ） 和条 件 （１ Ｉ ） ．
Matlab中的图像增强方法
Matlab中的图像增强方法图像增强是数字图像处理中的一项重要技术，通过使用各种算法和方法，可以改善图像的质量、增加图像的信息量和清晰度。
在Matlab中，有许多强大而灵活的工具和函数，可以帮助我们实现图像增强的目标。
本文将介绍几种常用的Matlab图像增强方法，并探讨它们的原理和应用。
一、直方图均衡化直方图均衡化是一种常用的图像增强方法，通过调整图像的像素分布来增强图像的对比度和亮度。
在Matlab中，我们可以使用“histeq”函数来实现直方图均衡化。
该函数会根据图像的直方图信息，将像素的灰度值重新映射到一个均匀分布的直方图上。
直方图均衡化的原理是基于图像的累积分布函数（CDF）的变换。
它首先计算图像的灰度直方图，并根据直方图信息计算CDF。
然后，通过将CDF线性映射到期望的均匀分布上，将图像的像素值进行调整。
直方图均衡化的优点在于简单易实现，且效果较好。
但它也存在一些限制，比如对噪声敏感、全局亮度调整可能导致细节丢失等。
因此，在具体应用中，我们需要权衡其优缺点，并根据图像的特点选择合适的方法。
二、自适应直方图均衡化自适应直方图均衡化是对传统直方图均衡化的改进，它能够在改善对比度的同时，保持局部细节。
与全局直方图均衡化不同，自适应直方图均衡化采用局部的直方图信息来进行均衡化。
在Matlab中，我们可以使用“adapthisteq”函数来实现自适应直方图均衡化。
该函数会将图像分成小块，并在每个块上进行直方图均衡化。
通过这种方式，自适应直方图均衡化可以在增强图像对比度的同时，保留图像的细节。
自适应直方图均衡化的优点在于针对每个小块进行处理，能够更精确地调整局部对比度，避免了全局调整可能带来的细节丢失。
然而，相对于全局直方图均衡化，自适应直方图均衡化的计算量较大，因此在实时处理中可能会引起性能问题。
三、模糊与锐化图像增强不仅局限于对比度和亮度的调整，还可以改善图像的清晰度和边缘信息。
在Matlab中，我们可以使用一些滤波器来实现图像的模糊和锐化。
基于matlab的图像对比度增强处理的算法的研究与实现
基于matlab的图像对比度增强处理的算法的研究与实现1. 引言1.1 研究背景图像对比度增强是数字图像处理中的一个重要领域，它能够提高图像的视觉质量，使图像更加清晰、鲜明。
随着现代科技的快速发展，图像在各个领域的应用越来越广泛，因此对图像进行对比度增强处理的需求也越来越迫切。
在数字图像处理领域，图像对比度增强处理是一种经典的技术，通过调整图像的灰度级范围，提高图像的对比度，使图像更加清晰和易于观察。
对比度增强处理可以应用于医学影像、卫星图像、照片修复等领域，有效提升图像质量和信息量。
随着数字图像处理算法的不断发展和完善，基于matlab的图像对比度增强处理算法也得到了广泛研究和应用。
通过matlab编程实现图像对比度增强处理算法，可以快速、高效地对图像进行处理，并进行实验验证和效果分析。
研究基于matlab的图像对比度增强处理算法的研究与实现具有重要的理论意义和实际应用价值。
1.2 研究目的研究目的是探索基于matlab的图像对比度增强处理算法，通过对比不同算法的效果和性能进行分析，进一步提高图像的清晰度和质量。
具体目的包括：1. 深入理解图像对比度增强处理的基本原理，掌握常用的算法和技术；2. 研究基于matlab的图像对比度增强处理算法实现的方法和步骤，探究其在实际应用中的优劣势；3. 通过实验结果与分析，评估不同算法在提升图像对比度方面的效果和效率；4. 对现有算法进行优化与改进，提出更加有效的图像对比度增强处理方法；5.总结研究成果，为今后进一步完善图像处理技术提供参考和借鉴。
通过对图像对比度增强处理算法的研究与实现，旨在提高图像处理的效率和质量，满足不同应用领域对图像处理的需求，促进图像处理技术的发展和应用。
1.3 研究意义对比度增强处理是图像处理领域中一项重要的技术，在实际应用中有着广泛的使用。
通过增强图像的对比度，可以使图像更加清晰、鲜明，提高图像的质量和观感效果。
对比度增强处理在医学影像分析、卫星图像处理、数字摄影等领域都有着重要的应用。
Matlab技术图像增强方法
Matlab技术图像增强方法图像增强是数字图像处理的一个重要任务，通过改善图像的质量和视觉效果来提高图像的可读性和理解性。
在现实生活中，我们常常会遇到一些图像质量较差、光照不均匀或者图像噪声较多的情况，这时候就需要借助一些图像增强方法来改善图像。
Matlab作为一款强大的数学软件，提供了丰富的图像处理工具箱，其中包含了多种图像增强方法。
本文将介绍几种常用的Matlab图像增强方法，并对其原理和应用进行探讨。
一、直方图均衡化直方图均衡化是一种常用的图像增强方法，通过重新分配图像的灰度级来拉伸图像的灰度范围，以增强图像的对比度和细节。
在Matlab中，我们可以使用以下代码实现图像的直方图均衡化：```matlabimg = imread('image.jpg');img_eq = histeq(img);imshowpair(img, img_eq, 'montage');```直方图均衡化的原理是将图像的累积分布函数进行线性映射，使得图像的灰度级均匀分布，从而增强对比度。
然而，直方图均衡化有时候会导致图像过亮或者过暗，因为它只考虑了灰度分布，并未考虑图像的空间信息。
二、自适应直方图均衡化为了克服直方图均衡化的不足，自适应直方图均衡化应运而生。
自适应直方图均衡化是一种局部增强方法，它将图像划分为若干小区域，并对每个区域进行直方图均衡化，以保留图像的局部对比度。
Matlab中的自适应直方图均衡化函数为`adapthisteq`，使用方法如下：```matlabimg = imread('image.jpg');img_adapteq = adapthisteq(img);imshowpair(img, img_adapteq, 'montage');```自适应直方图均衡化在增强图像对比度的同时，能够保留图像的细节，并且不会引入过多的噪声。
图像增强：直方图均衡和小波变换【matlab】
图像增强：直⽅图均衡和⼩波变换【matlab】 直⽅图均衡：统计图像像素灰度的直⽅图分布。
对其进⾏重新分配以使图像的直⽅图分布更加均衡。
⼩波变换：图像轮廓主要体现在低频部分，可以通过对低频分解系数进⾏增强处理，对⾼频分解系数进⾏衰减处理，达到图像增强。
clc;clear all;img=imread('D:\⽂件及下载相关\图⽚\gray.jpg');gray_img=rgb2gray(img);[m,n]=size(gray_img);pr=zeros(1,256);for i=1:256pr(i)=length(find(gray_img==i-1))/(m*n);endS=zeros(1,256);for i=1:256for j=1:iS(i)=pr(j)+S(i);endendS1=round((S*255)+0.5);for i=1:256q(i)=sum(pr(find(S1==i)));endres_img=gray_img;for i=1:256res_img(find(gray_img==i-1))=S1(i);endimshow(res_img);title('均衡化后');⼩波变换：clcI= imread('D:\⽂件及下载相关\图⽚\gray.jpg');I1 = I(:,:,1);[c,s]=wavedec2(I1,3,'sym4'); len=length(c);w = prod(s(1,:));for i =1:wif(c( i )>250)c( i )=1.3*c( i );endendfor i =w:lenif(c( i ) < 250)c( i )=0.8*c( i );endendnx1=waverec2(c,s,'sym4');I2 = I(:,:,2);[c,s]=wavedec2(I2,3,'sym4');len=length(c);w = prod(s(1,:));for j =1:wif(c( j )>250)c( j )=1.3*c( j );endendfor j =w:lenif(c( j ) < 250)c( j )=0.8*c( j );endendnx2=waverec2(c,s,'sym4'); I3 = I(:,:,3);[c,s]=wavedec2(I3,3,'sym4');len=length(c);w = prod(s(1,:));for k =1:wif(c( k )>250)c( k )=1.3*c( k );endendfor k =w:lenif(c( k ) < 250)c( k )=0.8*c( k );endendnx3=waverec2(c,s,'sym4'); nx = cat(3,nx1,nx2,nx3); figure(),imshow(nx/256)。
MATLAB中的图像增强与图像修复方法
MATLAB中的图像增强与图像修复方法近年来，随着数字图像处理技术的迅速发展，图像的质量得到了大幅度的提升。
而在图像的处理过程中，图像增强和图像修复是两个重要的技术领域。
在本文中，我们将探讨MATLAB中的图像增强和图像修复方法。
一、图像增强方法图像增强旨在改善图像的质量和视觉效果，使其更适合人眼观察和分析。
在MATLAB中，有多种图像增强方法可供选择。
1. 直方图均衡化直方图均衡化是一种常用的增强方法，通过重新分布图像的像素值，以增加图像的对比度。
在MATLAB中，可以使用`histeq`函数来实现直方图均衡化。
该函数将图像的直方图调整为均匀分布，从而提高了图像的视觉效果。
2. 拉普拉斯金字塔拉普拉斯金字塔是一种多尺度图像增强方法，可以在不同的尺度上提取图像的细节信息。
在MATLAB中，可以使用`pyramid_blending`函数来构建拉普拉斯金字塔。
该函数将图像分为不同的层级，然后通过合并各个层级的细节信息来增强图像的效果。
3. 双边滤波双边滤波是一种通过保持边缘信息的图像增强方法，在去除图像噪声的同时也能保留图像的边缘细节。
在MATLAB中，可以使用`bfilter2`函数来实现双边滤波。
该函数通过同时考虑像素的空间和灰度信息来进行滤波，从而提高图像的质量。
二、图像修复方法图像修复是指通过恢复被损坏或受到噪声污染的图像，使之恢复到原本的状态。
在MATLAB中，也有多种图像修复方法可供选择。
1. 傅里叶变换傅里叶变换是一种广泛应用于图像修复的数学方法。
通过将图像转换到频域，并进行频域滤波操作，可以去除图像中的噪声和损坏部分。
在MATLAB中，可以使用`fft2`和`ifft2`函数来进行傅里叶变换和逆傅里叶变换，从而实现图像的修复。
2. 小波变换小波变换是一种基于多尺度分析的图像修复方法，可以在不同的尺度上提取图像的细节信息。
在MATLAB中，可以使用`wavelet denoise`函数来进行小波变换修复。
基于MATLAB的MRI及CT图像增强处理
课程设计说明书题目：基于MATLAB的MRI及CT图像增强处理学院（系）：年级专业：学号：学生姓名：指导教师：教师职称：目录一、课程设计目的 (4)二、课程设计要求………………………………………………………………４三、课程设计内容………………………………………………………………４四、题目分析…………………………………………………………………４五、总体设计 (5)六、程序设计……………………………………………………………………５1、灰度转换 (5)2、灰度变换 (6)3、空余滤波 (7)4、频域滤波 (8)5、伪彩色增强 (11)七、心得体会 (12)八、附录 (13)附：燕山大学课程设计评审意见表一、课程设计目的学习使用matlab软件，并使用matlab软件编写相应的程序完成对图像的增强处理。
二、课程设计的要求1 熟悉和掌握MA TLAB 程序设计方法2掌握matlab软件在图像增强技术的处理方法3 编写相应的matlab程序进行图像处理三、课程设计的内容学习MATLAB程序设计，利用MA TLAB图像处理工具箱，设计和实现自己的matlab图像增强设计要求。
要求：按照软件工程方法，根据需求进行程序编程，给出设计详细说明。
然后按照自己拟定的功能要求进行程序设计和调试。
以下几点是程序必须实现的功能。
1）图像的读取和保存。
2）能够采用各种方法对图像进行处理，显示和对比变换前后的图像。
3）编写程序并进行相应的程序说明。
比较各种方法的好坏。
4）图像直方图统计和直方图均衡，要求显示直方图统计，比较直方图均衡后的效果。
5）能对图像加入各种噪声，并通过几种滤波算法实现去噪并显示结果。
比较去噪效果。
四、题目分析信息化社会中，计算机在各种信息处理中发挥着重要的作用。
我们可以借助计算机，对数字图像进行处理，以达到不同的效果。
根据题目的要求，除了实现要求的功能外，还有很多的功能需要用到。
（1）、由于医学图像采集到的都是灰色图像，而有许多图像格式并不符合要求，因此要通过编程将一个RGB图像转换为灰度图像。
基于MATLAB的数字图像处理技术在医学影像中的应用
基于MATLAB的数字图像处理技术在医学影像中的应用数字图像处理技术是一种利用数字计算机对图像进行处理和分析的技术，它在医学影像领域有着广泛的应用。
MATLAB作为一种功能强大的科学计算软件，提供了丰富的图像处理工具和函数，为医学影像处理提供了便利。
本文将介绍基于MATLAB的数字图像处理技术在医学影像中的应用。
1. 医学影像与数字图像处理技术医学影像是医学诊断和治疗中不可或缺的重要手段，它通过对人体内部结构和功能进行成像，帮助医生做出准确的诊断和治疗方案。
数字图像处理技术则是对数字图像进行获取、存储、传输、显示和分析等一系列操作的技术。
将数字图像处理技术应用于医学影像中，可以帮助医生更好地观察和分析患者的病情，提高诊断的准确性和治疗效果。
2. MATLAB在医学影像处理中的优势MATLAB作为一种专业的科学计算软件，具有丰富的图像处理工具包和函数库，能够快速高效地实现各种图像处理算法。
其优势主要体现在以下几个方面：丰富的工具包：MATLAB提供了丰富的图像处理工具包，包括图像增强、滤波、分割、特征提取等功能模块，可以满足医学影像处理中各种需求。
易于使用：MATLAB具有直观友好的界面和简洁明了的编程语法，使得医学影像处理人员可以快速上手，并快速实现自己的算法。
高效性能：MATLAB底层采用C/C++编写，具有优秀的性能表现，在处理大规模医学影像数据时表现出色。
丰富的社区支持：MATLAB拥有庞大的用户社区和丰富的文档资料，用户可以方便地获取帮助和资源。
3. MATLAB在医学影像处理中的应用3.1 图像增强图像增强是医学影像处理中常见的操作之一，通过增强图像对比度、去除噪声等方式，可以使医生更清晰地观察到患者病变情况。
MATLAB提供了丰富的图像增强函数，如直方图均衡化、滤波器设计等，可以有效改善医学影像质量。
3.2 图像分割图像分割是将图像划分为若干个具有独立特征的区域或对象的过程，对于医学影像而言，可以帮助医生定位病变区域、量化病变程度等。
Matlab在医学影像处理中的应用方法
Matlab在医学影像处理中的应用方法近年来，随着医学影像技术的迅猛发展，医学影像处理成为了一个重要的研究方向。
而Matlab作为一种强大的数学软件，其在医学影像处理中的应用也逐渐得到了广泛认可和应用。
本文将探讨Matlab在医学影像处理中的应用方法，并着重介绍一些常用的技术和算法。
一、图像预处理在医学影像处理中，图像预处理是一个必不可少的环节。
Matlab提供了丰富的图像处理函数和工具箱，可用于对医学影像进行预处理。
其中，常用的方法包括图像增强、去噪和图像分割等。
1. 图像增强图像增强技术可用于提高图像的对比度和清晰度，使医生能够更准确地进行诊断。
Matlab中的imadjust函数可以对图像的灰度进行调整，从而增强图像的对比度。
另外，还可以应用直方图均衡化对图像进行增强，以提高其视觉效果和信息量。
2. 去噪医学影像通常会受到噪声的影响，这会影响影像的质量和医生的诊断准确度。
Matlab中的滤波算法可以有效地去除影像中的噪声。
例如，中值滤波可以去除椒盐噪声，高斯滤波可以去除高斯噪声，而小波变换则可以在时域和频域上实现噪声的消除。
3. 图像分割图像分割是指将影像中的不同区域划分为若干个子区域，以便于医生对图像进行定量分析和诊断。
Matlab中的分水岭算法和阈值分割算法是常用的图像分割方法。
此外，Matlab还提供了基于聚类和边缘检测的图像分割工具箱，可根据实际需求选择合适的分割方法。
二、三维重建与可视化在医学影像处理中，三维重建和可视化可以帮助医生更加直观地理解和分析解剖结构。
Matlab提供了许多工具和算法，用于三维图像的重建和可视化。
1. 三维重建Matlab中的体绘制工具箱可以用于将医学影像中的二维切片重建为三维模型。
通过该工具箱，可以实现骨骼、器官以及其他结构的三维可视化。
此外，Matlab还提供了三维点云处理和重建的功能，可用于生成更加真实的三维模型。
2. 可视化三维重建后的模型可以用于可视化和解剖结构的交互式探索。
Matlab技术医学图像处理与诊断
Matlab技术医学图像处理与诊断Matlab技术在医学图像处理与诊断中的应用引言：随着科技的飞速发展，计算机技术在医学领域的应用愈发广泛。
特别是Matlab 这一强大的数学计算软件，在医学图像处理与诊断中发挥了重要的作用。
本文将重点探讨Matlab技术在医学图像处理与诊断中的应用，包括图像增强、分割、特征提取以及深度学习等方面。
一、图像增强在医学图像处理中，图像增强是一个至关重要的步骤。
它可以帮助医生更好地观察、诊断患者的情况。
Matlab提供了一系列的图像增强算法，如直方图均衡化、滤波器等。
这些算法可以改善图像的对比度、清晰度，使得医生能够更准确地观察和判断疾病。
二、图像分割图像分割是医学图像处理中的重要环节。
它将医学图像中感兴趣的区域与背景区域分离开来，从而帮助医生更精确地分析和诊断。
Matlab中的图像分割算法包括基于阈值、边缘检测、区域生长等方法。
这些算法可以根据医生的需求进行选择和调整，提高图像分割的准确性和稳定性。
三、特征提取在医学图像处理与诊断中，特征提取是一个重要环节。
它可以从大量的像素信息中提取出有用的特征，帮助医生进行疾病的诊断和预测。
Matlab中提供了丰富的特征提取算法，如形状特征、纹理特征、灰度共生矩阵等。
这些算法可以帮助医生从图像中提取出有关病变的信息，为诊断和治疗提供科学依据。
四、深度学习深度学习作为人工智能的一个重要分支，在医学图像处理与诊断中也发挥着重要作用。
Matlab提供了深度学习工具箱，可以帮助医生构建和训练深度神经网络模型，实现自动化的图像分类与诊断。
这种方式不仅提高了诊断的准确性和效率，还可以减轻医生工作负担，缩短患者等待时间。
五、结语Matlab技术在医学图像处理与诊断中的应用潜力巨大。
它通过图像增强、分割、特征提取以及深度学习等方法，为医生提供了更准确、快速的诊断手段，帮助提高患者的治疗效果和生活质量。
同时，我们也要意识到Matlab技术虽然强大，但只是医学图像处理与诊断的辅助工具，医生的临床经验和专业知识仍然是最重要的。
- 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)。
【关键词】均衡化；规定化；算法；Matlab；图像增强Xray medical image enhancement and histogram processing methods based on Matlab【Abstract】AIM: To improve the quality of medical image by enhancing the lowcontrast details. METHODS: Two processing methods, the graylevel histogram equalization and the graylevel histogram regulation, were applied to enhance an Xray image and their enhancement effects were compared by using Matlab toolbox functions. RESULTS: By the two means of algorithmhistogram equalization or regulation, the dense graylevel distribution of the original image became sparse, and the output image was refined. The regulation method strengthened the difficultly observed details, while the equalization method improved less the local details of image. CONCLUSION: Matlab toolbox is helpful for simplifying the programming and provides a platform for medical image processing. The regulation method is better than the equalization method in presenting the local details of medical images.【Keywords】equalization; regulation; algorithms; Matlab; image enhancement【摘要】目的：改善医学图像质量，使低对比度的图像得到增强. 方法: 利用Matlab工具箱函数，采用灰度直方图均衡化和灰度直方图规定化的方法对一幅X线图像进行增强处理，并比较它们的增强效果. 结果: 用直方图均衡化和规定化的算法，将原始图像密集的灰度分布变得比较稀疏,处理后的图像视觉效果得以改善. 直方图均衡化对于局部细节增强不显著，而直方图规定化则使不易观察到的细节变得清晰. 结论: 使用Matlab工具箱大大简化了编程工作，为医学图像处理提供了一种技术平台. 直方图规定化法处理医学图像局部细节方面好于均衡化.【关键词】均衡化；规定化；算法；Matlab；图像增强0引言根据国内外的相关文献，研究和发展图像处理工具，改善医学图像质量是当今研究的热点［1-2］. 图像增强就是一种基本的图像处理技术，增强的目的是对图像进行加工，以得到对医务工作者来说视觉效果更“好”更易于诊断的图像. 图像增强根据图像的模糊情况采用了各种特殊的技术突出图像整体或局部特征，常用的图像增强技术有灰度变换、直方图处理、平滑滤波（高斯平滑），中值滤波、剃度增强、拉普拉斯增强以及频率域的高通低通滤波等，这些算法运算量大、算术复杂、处理速度低. 针对这些问题，我们可以在Matlab环境中，利用Matlab提供的图像处理工具箱，简单快捷地得到统计数据，同时又可得到直观图示. 其中，Matlab工具箱中包括的图像处理函数涵盖了近期研究成果在内几乎所有的技术方法，都是由该领域内学术水平很高的专家编写的，功能强大，集成在一个便于用户使用的交互式环境之中，是易学、易用、高效的应用工具箱.1材料和方法1.1材料所用图像从百度()中下载某液气胸患者胸片，在WindowsXP环境下用Matlab6.5软件(MathWorks公司)进行处理. 对患者诊断时需了解肺脏萎缩的程度，肺内病变情况以及有无胸膜粘连、胸腔积液和纵隔移位等，由于原图表现出低对比度，使图像中较暗细节看不清楚，采用增强处理可使原图灰度集中的区域拉开或使灰度分布均匀，从而增大反差，使图像细节清晰.1.2方法1.2.1图像的预处理先判断图像的格式，由于获取的图片为真彩色图像，既RGB图像，则可用rgb2gray()函数转为灰度图像. 根据计算机的硬件条件将图像的尺寸适当缩小，因为医学图像的数据很大，给图像处理带来很大的挑战，为了减少运算量同时加快程序的执行速度，利用imresize()在保持长度比不变的前提下把数据集整体缩小到原来的3/4［3］.1.2.2直方图均衡化（histogram equalization）直方图均衡化是利用直方图的统计数据进行直方图的修改，能有效的处理原始图象的直方图分布情况，使各灰度级具有均匀的概率分布，通过调整图像灰度值的动态范围，自动地增加整个图像的对比度，以致图像具有较大的反差，大部分细节比较清晰. 传统算法根据直方图增强技术理论：设原始图像在（x,y）处的灰度为f,而改变后的图像为g,对于离散图像，则对图像增强的方法为：g=EH(f). EH(f)为映射函数，必须满足两个条件（其中图象的象素总数为n，分L个灰度等级）：①EH（f）在0≤f≤L-1范围内是一个单值单增函数；②对于0≤f≤L-1有0≤g≤L-1. 则直方图均衡化法的映射函数为：gk=EH(fk)==Σk〖〗i=0ni〖〗N=Σk〖〗I=0pf(fi)(k=0,1,2,……,L-1)（0≤fk≤1）根据该方程可以由原图像的各象素灰度值直接得到直方图均衡化后各象素的灰度值［5］. 由于算术计算过程复杂，本文利用MATLAB的Image toolbox工具箱中直方图均衡化histeq()函数同样可以实现对图像的增强，imread()函数用于读入各种图像文件，imshow()函数用于显示图像,imhist()函数用于显示直方图. 在Command Window窗口执行如下命令:clear,close allQ=imread…D:/zhang.jpg‟);W=rgb2gray(Q);I=imresize(W,0.75);J=histeq(I);imshow(I);figure,im show(J);figure,imhist(I);figure,imhist(J);1.2.3直方图规定化(histogram regulation)临床诊断中很多情况下对局部组织细节感兴趣，直方图规定化可以根据实际需要［6］灵活地选择某个灰度值范围，增强该灰度值范围内的对比度，使直方图成为某个特定形状，可获得比直方图均衡化更好的效果. 传统算法如下：①同均衡化方法，先对原始图像均衡化：gk=EHf(fi)= Σk〖〗i=0pf(fi) (k=0,1,……,M-1)这里设M和N分别为原始图和规定图中的灰度级数，且只考虑N≤M的情况. ②规定需要的直方图，并计算能使规定的直方图均衡化的变换：Vl=EHu(uj)=Σl〖〗j=0pu(uj) (l=0,1,……,N-1)③将第一个步骤得到的变换反转过来，即将所有pf(fi)对应到pu(uj)中，也就是将原始直方图对应映射到规定的直方图. 实际上是以均衡化为桥梁，选取适当的某个灰度值范围内的对比度［5］. 这个过程在MATLAB中这样实现，接着刚才程序运行如下代码:hgram=0:255M=histeqI,hgram);figure,imshow(M);figure,imhist(M)其中hgram是由自己指定的矢量,规定将原始图像的直方图变换成hgram,hgram中的每个元素都在［0,255］之间.2结果用本文算法对医学图像进行的增强实验，得到处理后图像（图1）. 经图像预处理后，显示结果为：原图像真彩色是600×800×3的矩阵，大小为1.44 M；转为灰度图像后是600×800的矩阵,大小为0.48 M；缩小后的图像是450×600的矩阵，大小为0.27 M. 由此可见矩阵是大大缩小了，转为可以处理的二维灰度图像(图1A1). 原图1 A1看到图像模糊不清,动态范围小,整个图像呈现低对比度，在图1 A2上反映为图像灰度范围狭窄. 直方图均衡化的结果使整图对比度明显增强,但它的具体增强效果不易控制,在一些较暗的区域有些细节仍不太清楚,比如在图1 B1看到被压缩的胸膜脏层与肋骨重叠，周围的细节比较模糊. 直方图规定化后图1 C1看起来更自然，视觉效果要好，容易看出边缘有脏层胸膜形成的纤细的致密影,在左侧胸腔外侧壁为一包裹性胸积液，其阴影上部有透亮的气体影及液平，而不和其他胸膜腔相通，患侧肺受不同程度的压缩，纵隔向健侧移位. 规定化直方图（图1C2）跟均衡化直方图（图1B2）相比较:规定化的灰度级得到足够拉伸,而且充分利用了整个灰度区间内的几乎每一个灰度值来表现图像的细节，从直方图1 C2上可以看出高灰度频数较密集,所以变换的结果比均衡化中较暗区域的一些细节更为清晰，达到了对图像细节进行增强的目的.3讨论实验结果表明，传统的直方图算法根据灰度直方图的定义，推导出直方图灰度变换函数，通过变换函数控制图像在灰度级的概率密度分布而改变图像的外貌，其算法需要大量的数学运算，处理复杂、速度图1图像处理前后变化略慢，利用MATLAB工具箱函数，可以方便快捷地实现对图像的增强，速度明显优于传统算法；同时，直方图规定化后图像的视觉效果好于均衡化. 直方图均衡化的缺点是：①变换后图像的灰度级减少,某些细节消失；②某些图像,如直方图有高峰,经处理后对比度不自然的过分增强. 相比于直方图均衡化,直方图规定化是需要变换直方图使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的对比度,使需要变换的细节更清晰［7-8］，如当需要确定某个病灶的大小和形状时,用直方图规定法可以清晰地了解病灶周边的环境. 我们认为，通过对一副图像的直方图处理能够显著的增强图像，用直方图处理方法，大大简化了编程工作和数据计算，为医学图像处理提供了一种技术平台，不仅对医学图像的分析和诊断有着重要意义，而且对其他图像的增强也有一定的参考价值.【参考文献】［1］Kim J. Effects of Xray and CT image enhancements on the robustness and accuracy of a rigid 3D/2D image registration ［J］. Med Phys, 2005,32(4):866-873.［2］Eilers PH. Enhancing scatterplots with smoothed densities ［J］. Bioinformatics, 2004,20(5):623-628.［3］ingmatlabgraphis［M］.6th ed. The MathWorksInc, 2002:102-198.［4］Jensen JA, Holm O, Jensen LJ,et al. Ultrasound research scanner for realtime synthetic aperture data acquisition［J］. IEEE Trans UltrasonFerroelFreq Control, 2005,52(5):881-891.［5］章毓晋. 图像工程(上册)［M］. 北京: 清华大学出版社,1999:72-98.［6］Stark JA. Adaptive image contrast enhancement using generalizations of histogramequalization［J］. IEEE Trans Image Proc, 2000,9(5):889-996.［7］Wang L. Enhancement of medical ultrasonic image based on graylevel histogram equalization ［J］. J Sichuan Univ, 2002,34(1):105-108.［8］Saffor A, bin Ramli AR, Ng KH. Waveletbased compression of medical images: filterbank selection and evaluation ［J］. AustralasPhysEngSci Med, 2003, 26(2):39-44.。