掌握B超图像的图像灰度化、截图、值值滤波、自适应滤波、小波降噪法等程序编写 工 作 量 学习概念基本知识；
编写相应软件；
完成课程设计报告一份。
工 作 计 划 1天 查资料，确定题目；
2天 编写任务书及审定；
3天 编写及调试程序;4天 编写说明书；
5天 答辩。
参考资料 阮秋琦.数字图像处理学[M].北京电子工业出版社，2001. 苗凤君. B超图像数据采集及其计算机图像处理技术. 中原工学院学报,2002,12 朱晓荣. 数字图像处理及其应用研究[D]. 河海大学，2001年 指导教师签字 孟辉 赵勇 基层教学单位主任签字 徐永红 说明此表一式四份，学生、指导教师、基层教学单位、系部各一份 目录 1 课题背景1 1.1 B 超图像识别技术研究意义1 1.2 图像识别技术研究现状2 2 B 超图像处理步骤及基本原理2 2.1 图像灰度化处理2 2.2 截图5 2.3 图像去噪6 2.4 图像二值化处理9 2.5 图像增强11 3 总结14 参考文献14 摘要数字图像处理的研究目的是将原图像的灰度分布作某种变换，使图像中的某部 分信息更加突出，以便其适应于某种特殊的需求。本文针对B超图像的识别技术作简要阐述，并对图像处理的各部分用MATLAB 软件进行编程运行，给出各部分处理后图像。
关键词B超图像；
图像识别技术；
图像预处理 1 课题背景 1.1 B 超图像识别技术研究意义 数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将 图像信号转换成数字信号并利用计算机对其进行处理的过程。在数字图像处理过 程中，输入的是质量低的图像，输出的是改善质量后的图像。数字图像处理技术 研究内容很多，主要包括以下几个方面图像变换、图像编码压缩、图像增强和 复原、图像分割、图像描述图像识别等。数字图像处理具有再现性好、处理精度 高、适用面广、灵活性高、成本低等优点。在图像研究领域中图像特征的研究是 一重要的研究方向。人们观察图像时主要通过观察图像纹理、亮度、几何等关键 特征，从而来识别理解图像。实际上通过图像特征的提取匹配不仅用于图像识别， 还可以用于图像分割、配准、拼接等各个方面。对图像特征的研究已经取得了很 多研究成果，随着人们探知世界的深入，对图像特征的研究将更加重要。
B 超成像的基本原理就是向人体发射一组超声波，按一定的方向进行扫描。
根据监测其回声的延迟时间，强弱就可以判断脏器的距离及性质。经过电子电路 和计算机的处理，形成了现在的B 超图像。B 超的关键部件就是超声探头（Probe）， 其内部有一组超声换能器，是由一组具有压电效应的特殊晶体制成。这种压电晶 体具有特殊的性质，就是在晶体特定方向上加上电压，晶体会发生形变，反过来 当晶体发生形变时，对应方向上就会产生电压，实现了电信号与超声波的转换。
超声成像技术由于其无损伤、非侵入性、重复性好，且对软组织有较高的灵 敏度和分辨率而获得了广泛的应用，但B 超图像和C T、X 光及核磁共振等其它 医学图像相比，具有分辨率差，灰度级别少，灰度分布范围窄，有一定噪声干扰， 各组织和器官之间没有明显的灰度变化等不利因素。而近年来，利用工程方法分 析图像的研究取得了明显的效果。MATLAB 是一款强大的图像处理工具，在 MATLAB 环境中可以方便、快速、有效地实现复杂图像处理算法，既是一种直 观、高效的计算机语言，同时又是一个科学计算平台。它为数据分析和数据可视 化、算法和应用程序开发提供了最核心的数学和高级图形工具。根据它提供的 500 多个数学和工程函数，工程技术人员和科学工作者可以在它的集成环境中交 互或编程以完成各自的计算。
1.2 图像识别技术研究现状 图像处理作为一门学科大约形成于20 世纪60 年代初期。早期的图像处理的 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, 输入的是原始的质量低的图像,输出的是改善质量后的高质量的图像。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。很多国家投入更多的人力、物力到数字图像处 理的研究中,并取得了丰硕的成果。
数字图像处理技术的应用领域遍及众多行业、各学科,已经渗透到工业、医 疗保健、航空航天、军事等各个领域。最典型的应用是在军事公安方面的应用。
例如将来自卫星的图像用于军事侦察,以地形匹配实现精确轰炸,用图像处理技 术实现动目标跟踪等等。图像处理技术在公安方面的应用有两个突出的成果,即 指纹的查询、识别及人像的组合、查询和识别。指纹破案和人像破案属于技术型 破案,已为许多公安部门所重视。在普通消费领域,VCD、DVD 等基于图像压缩技 术的设备也已成为人们的普通娱乐设施。
2 B 超图像处理步骤及基本原理 本论文以脂肪瘤的B 超图像为例，围绕着通过MATLAB 图像处理工具箱对该 图像的去噪、增强、边缘轮廓提取等多种图像处理的过程及结果进行了比较研究， 在验证各种方法的有效性的同时，选取其最优化处理方法；
并对针对影像医生非 编程人员的特点说明通过MATLAB 实现全部处理过程自动实现的方法，方便医生 在此基础上自行研究改进处理方法，这对于二维医学数字图像处理的研究有着重 要的现实意义。
2.1 图像灰度化处理 在进行轮廓提取之前，必须进行预处理。图像预处理的任务就是抑制噪声， 增强细节， 改善图像质量，为特征提取等后续处理提供一幅高信噪比的优质图 像。B超图像存在着噪声大，灰阶少，对比度差等不足，而且常出现回声失落等 现象，导致轮廓残缺不全，因此，对预处理提出了较高的要求．作者尝试了大量 算法，实验表明，针对不同种类的图像，相同算法具有不同的处理效果，而且 对相同图像进行预处理的效果，不仅与算法有关，还与处理的顺序密切相关．然 而，现有的图像预处理算法大多没有考虑后续 处理的要求，针对B超图像处理的 效果也很不明显，所以在现有算法的基础上进行改造、创新，经反复的实验分 析，找到了较适合于B超图像的预处理方法。在实际运用中，采用的 方法是对原 始的B超图像先进行保持边缘的平滑化滤波，再进行直方图均衡化增强，这样能 很好地完成图像预处理的任务。实践证明，该处理方法能为轮廓提取提供一幅好 的数字图像。预处理的第一步就是对图像进行灰度化处理。
2.1.1 基本原理与实现方法 将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。彩色图像中的 每个像素的颜色有R、G、B 三个分量决定，而每个分量有255 个中值可取，这 样一个像素点可以有1600 多万（255 255 255）的颜色的变化范围。而灰度图 像是R、G、B 三个分量相同的一种特殊的彩色图像，其中一个像素点的变化范 围为255 种，所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以 使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了 整幅图像的整体和局部的色度和亮度等级的分布和特征。
在RGB 模型中，如果RGB 时，则彩色表示一种灰度颜色，其中RGB 的值叫做灰度值。因此，灰度图像每个像素只需一个字节存放灰度值（又称强度 值、亮度值），灰度范围为0-255。图像的灰度化处理，一般有以下三种设计方案 （1）加权平均法 根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼 对绿色的敏感最高，对蓝色敏感最低，因此，对RGB 三分量进行加权平均能得 到较合理的灰度图像。
根据重要性及其它指标，将R、G、B 三个分量以不同的权值进行加权平均。
由于人眼对绿色的敏感度最高，对蓝色敏感度最低。因此，我们可以按下式，对 RGB 三分量进行加权平均能得到较合理的灰度图像。
fi,j0.30Ri,j0.59Gi,j0.11Bi,j （2）平均值法 求出每个像素点的R、G、B 三个分量的平均值，然后将彩色图像中的这个 平均值赋予给这个像素的三个分量。
将彩色图像中的R、G、B 三个分量的亮度求简单的平均值，将得到均值作 为灰度值输出而得到灰度图。其表达式见下式 fi,jRi,jGi,jBi,j /3 （3）最大值法 将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。
将彩色图像中的R、G、B 三个分量中亮度的最大值作为灰度图的灰度值。
其表达式见下式 fi,jmaxRi,j,Gi,j,Bi,j 本论文对原始图像灰度化处理采用的是加权平均法。
2.1.2 实现程序及分析 IimreadD\2.png; figure; BimshowI; I1im2doubleI;数据转换 I1rgb2grayI1;灰度转换 imshowI1 通过imread （）函数读出图像数据，’’内是图像所存放地址和图像格式；
通 过figure，imshowI显示出彩色图片，把图像数据赋值给变量I，本文运用 rgb2gray （）函数实现彩色图像到灰度图像的转换，经数据变换、后赋值给变量 I1，imshowI1将灰度图片显示出来。变换后图像如下 图1 原始脂肪瘤B超图像 图2 灰度化后的B超图像 2.2 截图 截图处理部分所做的工作就是从图像上截取最有用、最感兴趣的部分，为 下面的处理做准备。
实现程序及分析 I2imcropI1; imshowI2 提取目标图像中的任意部分，公式imcrop图象名,[x起点，y起点，x 宽度，y 宽度]。matlab 中，用函数imcrop实现对图像的剪切操作。该操作剪切 的是图像中的一个矩形子图，用户可以通过参数指定这个矩形四个顶点的坐标， 也可以交互地用鼠标选取这