第11章數(shù)字圖像處理的應用

1、home 第第11章章 數(shù)字圖像處理的應用數(shù)字圖像處理的應用內(nèi)容提要內(nèi)容提要:n11.1 圖像處理在數(shù)字水印上的應用n11.2 基于形態(tài)學的圖像顆粒度分析系統(tǒng)n11.3 基于內(nèi)容的圖像檢索（CBIR）n11.4 數(shù)字化醫(yī)院中的圖像存檔與通信系統(tǒng)n11.5 基于多分辨率分析的圖像融合方法n11.6 數(shù)字圖像處理的發(fā)展趨勢n11.7 基于MATLAB GUI圖像處理軟件的開發(fā)home11.1 圖像處理在數(shù)字水印上的應用n11.1.1 概述n11.1.2 數(shù)字水印的衡量標準n11.1.3 數(shù)字水印的分類n11.1.4 實現(xiàn)數(shù)字水印的一般步驟n11.1.5 圖像水印舉例home11.1.1 概述概述

2、多媒體技術已被廣泛應用，需要進行加密、認證和版權保護的聲像數(shù)據(jù)也越來越多。 如果對數(shù)字化的聲像數(shù)據(jù)也采用密碼加密方式，則其本身的數(shù)字信號屬性就被忽略了。 用各種信號處理方法對聲像數(shù)據(jù)進行隱藏加密，并將該技術用于制作多媒體的“數(shù)字水印”。 數(shù)字水印是信息隱藏技術的一個重要研究方向。home11.1.1 數(shù)字水印的衡量標準 （1）不可見性）不可見性 在數(shù)字作品中嵌入水印不會引起明顯的降質(zhì)，并且不易被察覺。 （2）魯棒性）魯棒性 在經(jīng)歷多種無意或有意的信號處理過程后，數(shù)字水印仍能保持完整性或仍能被準確鑒別。 處理過程包括信道噪聲、濾波、數(shù)/模與模/數(shù)轉(zhuǎn)換、重采樣、剪切、位移、尺度變化以及有損壓縮編碼

3、等。home11.1.3 數(shù)字水印的分類 （1）按水印的特性分魯棒數(shù)字水印和脆弱數(shù)字水印 （2）按水印的檢測過程分明文水印和盲水印 （3）按數(shù)字水印的內(nèi)容分有意義水印和無意義水印 （4）按數(shù)字水印的隱藏位置分時（空）域數(shù)印、頻域水印、時頻域數(shù)字水印等。home11.1.4 實現(xiàn)數(shù)字水印的一般步驟 三個階段： 嵌入過程、傳播過程和抽取過程。 嵌入和抽取是相互對應的，即不同的嵌入方法對應著不同的抽取方法。 水印方案的提出要充分考慮到數(shù)字產(chǎn)品在傳播過程中會受到怎樣的干擾 這些干擾可能是天然的，比如信道噪聲；也可能是人為的，比如惡意的篡改數(shù)字產(chǎn)品。 在嵌入之前，要對嵌入載體作一些預處理或變換，同樣抽取

4、水印也需要作相同的工作home圖11.1 水印的嵌入和提取流程home11.1.5 圖像水印舉例 1LSB方法 任何一幅圖片都具備一定的容噪性，像素數(shù)據(jù)的最低有效位（LSB）對人眼的視覺影響很小，秘密信息就隱藏在圖像每一個像素的最低位或次低位，實現(xiàn)不可見性。 256色灰度圖像每個像素值占8 bit，其第8位就是最低有效位。 把水印分別嵌入到圖像像素的不同位，越低位嵌入，人眼越難識別。home圖11.2 用LSB方法嵌入水印home 2在DCT域嵌入水印 先計算DCT，然后將水印疊加到DCT域中幅值最大的前k系數(shù)上(不包括直流分量)，通常為圖像的低頻分量。 若DCT系數(shù)的前k個最大分量表示為D=

5、di（i=1k），水印服從高斯分布的隨機實數(shù)序列W=wi，那么水印的嵌入算法為 Di=di(1+wi) （11.1） 用新的系數(shù)做反變換得到水印圖像IW。 解碼函數(shù)則分別計算原始圖像I和水印圖像IW的離散余弦變換，并相減得到水印估計W*，再和原始水印做相關檢驗以確定水印的存在與否。home11.2 基于數(shù)學形態(tài)學的圖像顆粒度分析系統(tǒng)基于數(shù)學形態(tài)學的圖像顆粒度分析系統(tǒng)n11.2.1 概述概述n11.2.2 求圖像中目標的面積和顆粒度求圖像中目標的面積和顆粒度n11.2.3 實驗結(jié)果與分析實驗結(jié)果與分析n11.2.4 小結(jié)小結(jié)home11.2.1 概述 細胞圖片中可能包含多個彼此分離的細胞；金相圖

6、片中可能有多個氣泡或顆粒；遙感圖片中可能有不同的目標。 以有噪醫(yī)學圖像為例采用開運算去除噪聲，再根據(jù)結(jié)構(gòu)元素的變化定義并繪制圖像面積函數(shù)和顆粒度函數(shù) 研究圖像中各個顆?；颉白幽繕藞D像”的分布狀況，得出的結(jié)論可供圖像的顆粒度分析參考。home11.2.2 求圖像中目標的面積和顆粒度 1. 面積的求解 （1）幾何方法不利于編程（2）運用格林公式有利于編程（3）用邊界行程碼或鏈碼程序復雜度與運用格林公式相當home 2. 顆粒度的求解 （1） 顆粒的檢出 從圖像中檢出顆粒Y，然后消除噪聲點。 對圖像X進行了一次開運算。選取結(jié)構(gòu)元素進行腐蝕運算，去掉半徑小于的噪聲點，再進行膨脹運算。 （2）顆粒分布函

7、數(shù)home11.2.3 實驗結(jié)果與分析 1. 結(jié)構(gòu)元素的選取結(jié)構(gòu)元素的選?。╝）正方形結(jié)構(gòu)元素（）正方形結(jié)構(gòu)元素（d =3） （b）圓形結(jié)構(gòu)元素（）圓形結(jié)構(gòu)元素（r = 3） 圖圖11.6 兩種結(jié)構(gòu)元素兩種結(jié)構(gòu)元素home 2去噪預處理去噪預處理 讀入原始圖像，將彩色圖像轉(zhuǎn)換為灰度圖像（圖讀入原始圖像，將彩色圖像轉(zhuǎn)換為灰度圖像（圖11.7（a）。）。 加上椒鹽噪聲（圖加上椒鹽噪聲（圖11.7（b）。）。 選取合適的結(jié)構(gòu)元素（圖選取合適的結(jié)構(gòu)元素（圖11.6）。）。 對含有噪聲的圖像進行開運算，去除亮斑點；對得到對含有噪聲的圖像進行開運算，去除亮斑點；對得到的圖像再進行閉運算，消除圖像中的暗斑點

8、，即濾除了圖的圖像再進行閉運算，消除圖像中的暗斑點，即濾除了圖像中相應的噪聲（圖像中相應的噪聲（圖11.7（c）和圖）和圖11.7（d）。）。home圖11.7 顯微圖像的形態(tài)學去噪處理 （a）原始灰度 （b）含噪聲圖像 （c）選取正方形結(jié)構(gòu)元素去噪（d = 3） （d）選取圓形結(jié)構(gòu)元素去噪（r = 3） （e）選取正方形結(jié)構(gòu)元素去噪（d = 4） （f）選取圓形結(jié)構(gòu)元素去噪（r = 4） home11.3 11.3 基于內(nèi)容的圖像檢索（基于內(nèi)容的圖像檢索（CBIRCBIR）n 11.3.1 概述概述n 11.3.2 基于內(nèi)容圖像檢索的發(fā)展基于內(nèi)容圖像檢索的發(fā)展n 11.3.3 圖像特征的概念

9、圖像特征的概念n 11.3.4 基于內(nèi)容圖像檢索系統(tǒng)的框架基于內(nèi)容圖像檢索系統(tǒng)的框架n 11.3.5 相似度測量公式相似度測量公式n 11.3.6 基于內(nèi)容的圖像檢索系統(tǒng)簡介基于內(nèi)容的圖像檢索系統(tǒng)簡介n 11.3.7 基于內(nèi)容圖像檢索技術的研究熱點基于內(nèi)容圖像檢索技術的研究熱點n 11.3.8 基于顏色和紋理特征的圖像檢索算法基于顏色和紋理特征的圖像檢索算法home11.3.1 11.3.1 概述概述 隨著互聯(lián)網(wǎng)技術、計算機技術、信號處理技術等的不斷發(fā)展，每天都有大量的圖像數(shù)據(jù)需要處理，圖像數(shù)據(jù)的應用領域已涉及到科學技術和日常生活的各個方面。 在氣象、遙感領域，人們要處理海量的氣象圖片和遙感圖

10、片。 在醫(yī)療衛(wèi)生領域，由于醫(yī)學圖像的數(shù)字化存檔和通訊系統(tǒng)已經(jīng)越來越為各醫(yī)療機構(gòu)所重視，采用各種各樣的醫(yī)學影像設備幫助醫(yī)生進行診斷治療，醫(yī)學影像設備產(chǎn)生的圖像數(shù)據(jù)很大部分已實現(xiàn)了數(shù)字化管理。 在日常生活中，數(shù)碼相機、掃描儀、數(shù)字攝像機等信息電器，使得電腦硬盤或光盤里可能存儲了成千上萬張人物、風景圖片。home11.3.2 基于內(nèi)容圖像檢索的發(fā)展基于內(nèi)容圖像檢索的發(fā)展 基于文本檢索利用了自然語言的優(yōu)勢，間接地實現(xiàn)了對圖像的索引。但：（1）人工標注要受到人的主觀意識限制。（2）大量的圖像進行人工標注時要花費大量精力。（3）沒有直接基于圖像的視覺特征，沒有充分利用圖像本身所包含的特征如顏色、紋理、形狀

11、等，也沒有充分利用計算機對數(shù)字圖像的處理能力。home基于內(nèi)容的圖像檢索（CBIR）技術 基于內(nèi)容的圖像檢索（CBIR, Content-Based Image Retrieval）技術應運而生。 更有效、更直接地反映圖像視覺信息必須基于圖像本身的屬性。 基于內(nèi)容的圖像檢索使用顏色、紋理、形狀、空間關系等圖像的視覺內(nèi)容來表示和索引圖像。 現(xiàn)在基于內(nèi)容圖像檢索已經(jīng)融入了相關反饋技術，讓用戶參與到檢索過程中，從而獲得知覺、語義上更加有意義的檢索結(jié)果。home11.3.3圖像特征的概念 圖像的特征是人對圖像視覺感受的量化描述。 圖像特征從各個方面描述了圖像的內(nèi)在語義，從而可以作為圖像的抽象表示。 基

12、于特征（內(nèi)容）的圖像檢索利用不同特征定義的相似度表示不同圖像之間的相似程度。 基于內(nèi)容的圖像檢索 首先要確定特征，以便讓計算機自動地或半自動地從圖像中提取這些特征。 其次根據(jù)這些特征進行相似性度量，認為查詢圖像與目標圖像特征值越接近則兩幅圖像越相似。home圖像特征分為低層特征和高層語義特征 低層特征如顏色、紋理、形狀和空間關系等 簡單、直觀、有效，所以現(xiàn)有的大多數(shù)CBIR系統(tǒng)都采用了這些特征。 高層語義特征描述了圖像本身與其反映的客觀世界之間的關系。 由于圖像內(nèi)容的復雜性，人對圖像內(nèi)容的理解往往建立在經(jīng)驗的基礎上，所以人對圖像內(nèi)容的理解很難僅靠統(tǒng)計特征來描述。 語義特征或者由文本標注得到，或

13、者經(jīng)過基于視覺內(nèi)容的復雜推理過程得到。home11.3.4基于內(nèi)容圖像檢索系統(tǒng)的框架 CBIR系統(tǒng)一般包括下面幾個模塊： 用戶界面模塊、圖像輸入模塊、特征抽取模塊、結(jié)果顯示模塊以及用戶反饋模塊。 各模塊獨立完成一定的功能： 用戶界面模塊提供系統(tǒng)與用戶的接口； 圖像輸入模塊在向系統(tǒng)輸入圖像的同時進行預處理； 特征抽取模塊完成對特征的提取 決定CBIR系統(tǒng)性能優(yōu)劣的關鍵之一； 結(jié)果顯示模塊把示例圖像的特征與圖像特征庫中的特征進行相似匹配，并按相似度從大到小顯示圖像； 用戶反饋模塊完成用戶與系統(tǒng)的交互，系統(tǒng)根據(jù)用戶的反饋對參數(shù)作相應的調(diào)整，從而提高查詢正確率。home圖11.8 基于內(nèi)容圖像檢索系統(tǒng)

14、 用 戶 界 面 輸入圖象 示例圖象 圖象預處理 圖象預處理 特征提取 存儲圖象 顯示結(jié)果 圖象庫 匹配結(jié)果 特征匹配 特征庫 用戶反饋 特征提取 用 戶 home11.3.5相似度測量公式 1Minkowski-Form距離公式 2Quadratic Form（QF）距離公式 3Mahalanobis距離公式（馬氏距離） 4Kullback-Leibler（KL）Divergence和Jeffrey-Divergence（JD）距離公式home11.3.6基于內(nèi)容的圖像檢索系統(tǒng)簡介 1.QBIC系統(tǒng) 2.VIRAGE系統(tǒng) 3.VisualSeek/WebSeek系統(tǒng) 4. 章毓晉等人研制的基

15、于特征的圖像查詢和檢索系統(tǒng)。 該系統(tǒng)不僅提供了多種包括顏色、紋理、形狀等單一特征的查詢和檢索手段，而且還可綜合利用各種不同特征進行檢索操作。 系統(tǒng)采用的特征包括基于累積直方圖和局部累積直方圖，這是顏色特征；基于灰度共生矩陣的4種紋理量；基于不變矩的形狀特征等。系統(tǒng)能自動提取特征向量，能同時顯示查詢圖、特征圖和檢索結(jié)果。home11.3.7基于內(nèi)容圖像檢索技術的研究熱點 1.綜合特征檢索技術 考慮到顏色、紋理、形狀和空間關系等特征各有特點，它們各自反映圖像某一方面的內(nèi)容，如果進行綜合利用則有可能提高檢索性能。 2.相關反饋檢索技術 實現(xiàn)了人機交互，用戶根據(jù)先前檢索結(jié)果借助權重調(diào)整已有的查詢要求以

16、給檢索系統(tǒng)提供更多更直接的信息，從而使系統(tǒng)能更好地滿足用戶的需求。 3.基于語義的檢索技術 人對圖像的理解主要是在語義層次上的，所以將圖像的語義特征結(jié)合到檢索系統(tǒng)中將會極大地提高檢索性能。home11.3.8 基于顏色和紋理特征的圖像檢索算法 1. 概述 2. 顏色特征的提取 3. 紋理特征的提取 4. 距離度量與相似檢索 5. 實驗結(jié)果home圖圖11.10 11.10 不同特征的檢索結(jié)果不同特征的檢索結(jié)果home11.4 數(shù)字化醫(yī)院中的圖像存檔與通信系統(tǒng)數(shù)字化醫(yī)院中的圖像存檔與通信系統(tǒng) 11.4.1 PACS概述概述 11.4.2 國內(nèi)外發(fā)展現(xiàn)狀國內(nèi)外發(fā)展現(xiàn)狀 11.4.3 主要解決的問題

17、和技術要點主要解決的問題和技術要點 11.4.4 DICOM圖像格式圖像格式 11.4.5 DICOM 3.0標準及其面向?qū)ο蟮膶崿F(xiàn)標準及其面向?qū)ο蟮膶崿F(xiàn) 11.4.6 小結(jié)小結(jié) home11.4.1 PACS概述概述 醫(yī)學影像已經(jīng)不再是僅供醫(yī)生參考的信息而成為診斷疾病的重要依據(jù)。 電子病歷數(shù)字化是進入醫(yī)院的根本標志，而建立電子病歷當數(shù)圖像的存儲、檢索和通信最為困難。 1992年，第一個集文字和圖像于一體的電子病歷系統(tǒng)：圖像存檔和通信系統(tǒng)PACS（Picture Archiving and Communication System）誕生。 PACS 是圖像處理技術和計算機通信技術密切結(jié)合的典型

18、產(chǎn)物，具有圖像獲取、存檔、檢索、傳送、顯示、管理等功能的完整的網(wǎng)絡系統(tǒng)。home11.4.2 國內(nèi)外發(fā)展現(xiàn)狀 PACS按照規(guī)模和功能分，有 小型PACS、數(shù)字PACS和全規(guī)模PACS。 以服務于單一影像部門、含X線影像及其所有影像設備和全放射科或醫(yī)學影像學科范圍甚至包括臨床影像瀏覽、會診系統(tǒng)和遠程放射學服務為特征。 國外已經(jīng)處于“第二代PACS（Hi-PACS, Hospital integrated PACS）”階段。 Hi-PACS的基本含義 模塊化結(jié)構(gòu)、開放式架構(gòu)、DICOM標準、整合HIS-RIS（醫(yī)院信息系統(tǒng)-放射學信息系統(tǒng)）等特征的全規(guī)模PACS。home圖11.11 HU-PAC

19、S的體系結(jié)構(gòu)home圖11.12 PACS標準框架設計模式home11.4.3 主要解決的問題和技術要點 1.投資規(guī)模問題。 2.基于DICOM的PACS與現(xiàn)存信息系統(tǒng)的兼容性問題。 3.研究醫(yī)學圖像的數(shù)字化、影像設備的數(shù)字接口問題。 4.壓縮存儲和傳輸，提高圖像的復用率。 5.圖像數(shù)據(jù)庫的建立和圖片檢索問題。 6.圖像終端顯示和瀏覽。 home圖11.13 DICOM標準的體系結(jié)構(gòu)home11.4.4 DICOM圖像格式 DICOM：指醫(yī)學數(shù)字成像和通信系統(tǒng)。 Digital Imaging and Communications in Medicine 涵蓋了數(shù)字圖像信息構(gòu)成和通信兩個領域。

20、 現(xiàn)在最新的版本共分為16章。 第1章和第2章是導論和一致性聲明部分，為描述了本標準所涉及的范圍，標準的目的、宗旨、意義。 DICOM標準允許工程實現(xiàn)者部分或全部地遵從，所以在產(chǎn)品說明中必須聲明遵從的程度。 后幾章講述的內(nèi)容包括端到端通訊、數(shù)據(jù)交換中存儲和媒質(zhì)格式、端到端支持的打印管理、灰度標準顯示函數(shù)、安全規(guī)范等。home 用戶可以根據(jù)醫(yī)學工作的需要，制定符合DICOM標準的圖像文件格式。 醫(yī)學圖像文件結(jié)構(gòu)部分主要參考標準的 第3章：信息對象定義 第4章：服務類規(guī)范 第5章：數(shù)據(jù)結(jié)構(gòu)和編碼規(guī)定 第6章：數(shù)據(jù)字典（Data Dictionary） 第11章：數(shù)據(jù)交換中介質(zhì)存儲方式和文件格式ho

21、me11.4.5 DICOM 3.0標準及其面向?qū)ο蟮膶崿F(xiàn)標準及其面向?qū)ο蟮膶崿F(xiàn) 1DICOM信息對象定義和服務類信息對象定義和服務類 DICOM標準融入了面向?qū)ο蟮乃枷搿?信息對象定義IOD反映的是某類具有相同性質(zhì)或?qū)傩缘目陀^世界對象的信息。 Information Object Definition IOD與面向?qū)ο缶幊讨小邦悺钡母拍罘浅Ｏ嗨啤?信息模型來反映IOD之間的關系，這種信息模型是在表示DICOM標準適用范圍之內(nèi)所有現(xiàn)實世界對象之間關系的應用模型基礎上抽象而來的。home圖11.14 IOD結(jié)構(gòu)示意圖 I O D IE IE 1 IE 2 IE 3 IE n Module 1 M

22、odule 2 Module 3 Module n NormalizedIODCompositeIODAttributehome圖11.15 數(shù)據(jù)元素結(jié)構(gòu) Data Element Data Element Data Element Tag VR Value Length Value Group Element Data Sethome 2.DICOM標準數(shù)據(jù)結(jié)構(gòu)、編碼和文件格式標準數(shù)據(jù)結(jié)構(gòu)、編碼和文件格式 標準以文件形式封裝一個服務對象對實例，若干文件組成文件集。 文件是由文件元信息和DICOM數(shù)據(jù)集構(gòu)成。 元信息由文件頭和組號為0002的元元素構(gòu)成。 文件頭包括128字節(jié)的文件前文4字節(jié)的

23、前綴，這個前綴的內(nèi)容只能是“DICM”，它用來表示此文件是DICOM格式文件。 應用程序可以使用128字節(jié)的文件前文，也可以不使用，如不使用則填充“00H”。文件元元素使用顯式VR表示，包括文件元信息版本，傳輸語法等內(nèi)容。home圖11.16 DICOM文件集和文件格式 A File-set contains DICOM Formated Files A File contains one SOP Instance DICOM File Meta Information DICOM Data Set DICOM SOP Instance DICOM Part 5Encodinghome11.5

24、 基于多分辨率分析的圖像融合方法11.5.1 圖像融合的層次圖像融合的層次圖像融合由低到高分為3個層次： 數(shù)據(jù)級（Pixel-level）融合 特征級（Feature- level）融合 決策級（Decision-level）融合。 home圖11.18 像素級圖像融合過程home 11.5.2 圖像融合的方法 1基于非多分辨率分析的圖像融合方法。 2基于多分辨率分析的圖像融合方法。 （1）基于金字塔變換的圖像融合方法 （2）基于小波變換的圖像融合方法 （3）基于超小波變換的圖像融合方法home11.6 11.6 數(shù)字圖像處理的發(fā)展趨勢數(shù)字圖像處理的發(fā)展趨勢 數(shù)字圖像處理技術是20世紀60年代

25、初開始發(fā)展起來的，經(jīng)過了初創(chuàng)期、發(fā)展期、普及期及廣泛應用幾個階段。 近幾年來，隨著計算機和各個相關領域研究的迅速發(fā)展，科學計算可視化、多媒體技術等研究和應用的興起，數(shù)字圖像處理從一個專門領域的學科，變成了一種新型的科學研究和人機界面的工具，其研究和應用呈現(xiàn)出蓬勃發(fā)展的嶄新勢頭。home數(shù)字圖像處理的發(fā)展趨勢主要反映在： （1）在圖像的安全技術方面，側(cè)重研究圖像數(shù)字水印和圖像信息隱藏； 在圖像的自動識別方面，人體生物特征的提取與驗證引起高度重視； 在圖像理解方面，圖像匹配與融合等較高層的課題得到更多的關注； 在圖像數(shù)據(jù)庫方面，對于基于內(nèi)容的圖像和視頻檢索的研究繼續(xù)升溫。home （2）“傳統(tǒng)的”圖像分割和圖像壓縮編碼等領域仍有研究的價值。 國內(nèi)近十多年來占據(jù)文獻最多的兩個研究方向是圖像分割和圖像壓縮編碼。 學者們對這些經(jīng)典問題的研究興趣反映了這個課題十分重要，如圖像分割是由圖像處理到圖像分析的關鍵步驟，圖像壓縮編碼具有很大的應用價值，同時也反映這些工作具有相當?shù)碾y度和挑戰(zhàn)性。home （3）加強對人的視覺特性、心理學特性等的進一步研究。 作為邊緣學科，圖像處理技術更應該注意借鑒其他學科的理論、技術