第一篇：實(shí)驗(yàn)8 醫(yī)學(xué)圖像頻域?yàn)V波

實(shí)驗(yàn)8 醫(yī)學(xué)圖像頻域?yàn)V波與圖像復(fù)原

實(shí)驗(yàn)?zāi)康模?/p>

1.熟悉醫(yī)學(xué)圖像離散傅里葉變化的原理和方法；

2.掌握醫(yī)學(xué)圖像頻域?yàn)V波的原理；

3.掌握使用Matlab中的函數(shù)實(shí)現(xiàn)醫(yī)學(xué)圖像進(jìn)行頻域?yàn)V波的方法;

4.掌握使用Matlab中的圖像退化與復(fù)原的方法;

實(shí)驗(yàn)內(nèi)容：

一、醫(yī)學(xué)圖像頻域?yàn)V波方法與實(shí)現(xiàn)

使用imnoise給圖像BMRI1_24bit.bmp添加概率為0.2的椒鹽噪聲，對原圖像和加噪聲后的圖像進(jìn)行傅氏變換并顯示變換后的移中頻譜圖，然后分別使用Butterworth低、高通濾波器對噪聲圖像進(jìn)行低通和高通濾波，顯示D0為5，10，20，40時的濾波效果圖，并說明存兩種濾波效果中所存在的差異及原因。

二、醫(yī)學(xué)圖像退化及復(fù)原

1、產(chǎn)生帶運(yùn)動和噪聲的退化圖像

首先使用fspecial 產(chǎn)生一個了len=7,theta=45的移動退化濾波器，然后使用產(chǎn)生的移動退化濾波器作為imfilter的濾波模板，邊界填充選項(xiàng)(boundary_options)選擇‘circular’，為圖像BMRI1_24bit.bmp添加一個移動退化，再使用imnoise產(chǎn)生一個均值為0，方差為0.001的高斯噪聲，并將高斯噪聲疊加到已經(jīng)產(chǎn)生移動退化的圖像MRIBrain_10.bmp上。

2、對退化圖像進(jìn)行復(fù)原

使用DECONVWNR函數(shù)對產(chǎn)生退化的MRIBrain_10.bmprp按下面的四種方法進(jìn)行復(fù)原。

（1）省略DECONVWNR中參數(shù)NSR；

（2）NSR取一個大于0的數(shù)值；

（3）NSR取一個等于1的數(shù)值；

（4）NSR取一個大于1的數(shù)值；

通過比較上面四種方法的結(jié)果，指出哪一種方法的效果最好。

提示：當(dāng)省略NSR時表示進(jìn)行直接逆濾波，不省略時表示進(jìn)行維納濾波

第二篇：Matlab頻域?yàn)V波練習(xí)

%% fftshift 對數(shù)變換,所應(yīng)用的圖片本身很簡單，就只有黑白2種顏色 clc clear

f = imread('.imagesdipum_images_ch04Fig0403(a)(image).tif');imshow(f)

title('原始圖像')

imfinfo('.imagesdipum_images_ch04Fig0403(a)(image).tif');%此處如果用Imfinfo(f)就會報錯fft

%沒有居中的傅里葉頻譜

F=fft2(f);%進(jìn)行二維快速傅里葉變換，其結(jié)果和DFT的一樣，只是計(jì)算機(jī)的計(jì)算速度變快了而已，因而叫fft S=abs(F);%求傅里葉變換后的幅值 figure,subplot(121),imshow(S,[])

title('傅里葉頻譜圖像1');%title函數(shù)一定要放在坐標(biāo)顯示的下一句才有效。

subplot(122),imshow(S),title('傅里葉頻譜圖像2')

%居中的傅里葉頻譜

Fc=fftshift(F);%將頻譜圖像原點(diǎn)移至圖像矩形中間 S1=abs(Fc);

figure,subplot(121),imshow(S1,[]);%加了第二個參數(shù)后顯示的圖像正常

subplot(122),imshow(S1);%當(dāng)沒有第二個參數(shù)時，顯示的圖像為豎線加一些孤立的黑點(diǎn)，why？

%使用對數(shù)后視覺增強(qiáng)后的傅里葉頻譜 S2=log(1+S1);imshow(S2,[]);

%%用fftshift對數(shù)變換顯示稍復(fù)雜的圖片

clc clear

f=imread('.imagesdipum_images_ch04Fig0409(a)(bld).tif');imshow(f);

f=double(f);%其實(shí)這句不要試過對后面的變換結(jié)果也沒有影響 F=fft2(f);

Fc=fftshift(F);S=abs(Fc);

S2=log(1+S);%如果沒有這句的話，那么根本看不到細(xì)節(jié)的圖，所以一定要用對數(shù)壓縮增加對比度

figure,imshow(S2,[])

%%試一下ifft功能

clc clear

f=imread('.imagesdipum_images_ch04Fig0409(a)(bld).tif');imshow(f);

f=double(f);f(1:8,1:8)F=fft2(f);

f=ifft2(F);%取傅里葉變換后的反傅里葉變換,直接是整數(shù)，并不需要像某些代碼一樣取real部分 f(1:8,1:8)

%%先0擴(kuò)充再濾波 clc clear f=imread('.imagesdipum_images_ch04Fig0405(a)(square_original).tif');imshow(f);

[M N]=size(f);

F=fft2(f);%沒有經(jīng)過0擴(kuò)充直接計(jì)算fft sig=10;%高斯濾波參數(shù)

H=lpfilter('gaussian',M,N,sig);

G=H.*F;%加了.號的乘法表示對應(yīng)每個元素都相乘，沒加.號的乘法說明是真正的矩陣乘法

g=real(ifft2(G));

figure,imshow(g,[]);

PQ=paddedsize(size(f));%PQ為0擴(kuò)展的面積，這里設(shè)置為與圖像的大小相同？這里size(f)的大小為256*256

Fp=fft2(f,PQ(1),PQ(2));%如果fft2有3個參數(shù)的話，則是進(jìn)行了0擴(kuò)展了

Hp=lpfilter('gaussian',PQ(1),PQ(2),2*sig);%構(gòu)造高斯濾波器 Gp=Hp.*Fp;%對0擴(kuò)展后的圖像進(jìn)行高斯濾波 gp=real(ifft2(Gp));figure,imshow(gp,[])'

gpc=gp(1:size(f,1),1:size(f,2));%取gp圖像的1到f的第一維的行，1到f第二維的列部分，即取與圖像大小相同的部分

figure,imshow(gpc,[]);%此時顯示的結(jié)果應(yīng)該與g圖像一樣。

%直接使用空間域?yàn)V波

h=fspecial('gaussian',15,7);gs=imfilter(f,h);

figure,imshow(gs,[])

%% clc clear

f=imread('.imagesdipum_images_ch04Fig0405(a)(square_original).tif');f=double(f);imshow(f);

PQ=paddedsize(size(f));%size(f)的大小為256*256

sig=10;

H = lpfilter('gaussian',PQ(1),PQ(2),2*sig);% PQ=[512 512] figure,mesh(abs(H(1:10:512,1:10:512)));%畫出濾波器的三維空間圖 g=dftfilt(f,H);

figure,imshow(g,[])

%%空間濾波和頻域?yàn)V波的比較

clc clear

f=imread('.imagesdipum_images_ch04Fig0409(a)(bld).tif');imshow(f);

F=fft2(f);

S=fftshift(log(1+abs(F)));

S=gscale(S);%用gscale來進(jìn)行將數(shù)據(jù)縮放到默認(rèn)值0~255 figure,imshow(S);

h=fspecial('sobel');%構(gòu)造sobel空間濾波器 figure,freqz2(h);%查看濾波器的圖形

PQ=paddedsize(size(f));

H=freqz2(h,PQ(1),PQ(2));%將空間濾波器h轉(zhuǎn)換成頻域?yàn)V波器H，但是濾波器的原點(diǎn)在矩陣的中心處

H1=ifftshift(H);%原點(diǎn)遷移到左上角

figure,mesh(abs(H1(1:20:1200,1:20:1200)));figure,subplot(121),imshow(abs(H),[]);subplot(122),imshow(abs(H1),[]);

gs=imfilter(double(f),h);%空間濾波，其實(shí)就是邊緣檢測 gf=dftfilt(f,H);%頻域?yàn)V波

subplot(121),imshow(gs,[]),subplot(122),imshow(gf,[]);%將2種濾波結(jié)果顯示出來

figure,imshow(abs(gs)>0.2*abs(max(gs(:))));%只顯示最大值的20%的邊緣

figure,imshow(abs(gf)>0.2*abs(max(gf(:))));

d=abs(gs-gf);a=max(d(:))b=min(d(:))

%%構(gòu)造低通濾波器

clc clear

f=imread('.imagesdipum_images_ch04Fig0413(a)(original_test_pattern).tif');

imshow(f)

F1=fft2(f);

imshow(log(1+abs(fftshift(F1))),[]);%直接顯示取對數(shù)后的傅里葉變換

PQ=paddedsize(size(f));

[U V]=dftuv(PQ(1),PQ(2));%這個函數(shù)還真不明白什么意思，help中解釋的是計(jì)算網(wǎng)格頻率矩陣U和V，這2個矩陣是用來頻率濾波的 D0=0.05*PQ(2);

F=fft2(f,PQ(1),PQ(2));%用0擴(kuò)充大小為PQ(1)*PQ(2)，然后fft變換 figure,imshow(log(1+abs(fftshift(F))),[]);%顯示0擴(kuò)充后的fft變換圖

H=exp(-(U.^2+V.^2)/(2*(D0^2)));%構(gòu)造頻域?yàn)V波算子 figure,imshow(fftshift(H),[]);%顯示平移后濾波器算子 g=dftfilt(f,H)

figure,imshow(g,[]);

%%繪制一個低通濾波器的mesh圖 clc clear

H1=lpfilter('gaussian',500,500,50)%構(gòu)造一個中心點(diǎn)在左上角的高斯低通濾波器,size為500*500

H2=fftshift(H1);%將中心點(diǎn)平移至矩陣中心

mesh(H1(1:10:500,1:10:500)),figure,mesh(H2(1:10:500,1:10:500));%繪出2者的mesh圖

axis([0 50 0 50 0 1]);%xy軸范圍0~50，z軸范圍0~1

figure,subplot(121),imshow(H1,[]),subplot(122),imshow(H2,[]);%繪出2者的灰度圖

%%繪制一個低通濾波器的mesh圖 clc clear

H=fftshift(hpfilter('ideal',500,500,100));%構(gòu)造理想的高通濾波器 mesh(H(1:10:500,1:10:500));axis([1 50 1 50 0 1]);colormap([0 0 0]);%mesh網(wǎng)格全部用黑色畫 axis off%關(guān)掉坐標(biāo)軸顯示 grid off%關(guān)掉網(wǎng)格顯示 figure,imshow(H,[])

%%使用高通濾波器

clc clear

f=imread('.imagesdipum_images_ch04Fig0413(a)(original_test_pattern).tif');

imshow(f)

title('原始圖像')

PQ=paddedsize(size(f));D0=0.05*PQ(1);

H=hpfilter('gaussian',PQ(1),PQ(2),D0);g=dftfilt(f,H);

figure,imshow(g,[])

%%將高通濾波和直方圖均衡結(jié)合起來

clc clear

f=imread('.imagesdipum_images_ch04Fig0419(a)(chestXray_original).tif');imshow(f)

title('原始圖像')

PQ = paddedsize(size(f));D0 = 0.05*PQ(1);

HBW=hpfilter('btw',PQ(1),PQ(2),D0,2);%構(gòu)造高通Butterworth濾波器，截斷頻率為D0 H=0.5+2*HBW;

gdw=dftfilt(f,HBW);

gbw=gscale(gdw);%將灰度值自動縮放到0~255之間 figure,subplot(121),imshow(gdw,[]);title('高通濾波后圖像');

gbe=histeq(gbw,256);%直方圖均衡化 subplot(122),imshow(gbe,[]);title('高通濾波且直方圖均衡化后圖像');

ghf=dftfilt(f,H);%H是HBW的線性變換 ghf=gscale(ghf);

figure,subplot(121),imshow(ghf,[]);title('高頻強(qiáng)調(diào)濾波后圖像');

ghe=histeq(ghf,256);

subplot(122),imshow(ghe,[]);title('高頻強(qiáng)調(diào)且均衡化后圖像');

%%fftshift和ifftshift的加深理解 clc clear

A=[2 0 0 1

0 0 0 0

0 0 0 00 0 4]

B=fftshift(A)%中心點(diǎn)平移

C=fftshift(fftshift(A))%還原成A

D=ifftshift(fftshift(A))%也同樣還原成A E=ifftshift(A)%平移結(jié)果和B一樣

第三篇：圖像濾波總結(jié)

數(shù)字圖像處理：各種變換濾波和噪聲的類型和用途總結(jié)

一、基本的灰度變換函數(shù) 1.1.圖像反轉(zhuǎn)

適用場景：增強(qiáng)嵌入在一幅圖像的暗區(qū)域中的白色或灰色細(xì)節(jié)，特別是當(dāng)黑色的面積在尺寸上占主導(dǎo)地位的時候。

1.2.對數(shù)變換（反對數(shù)變換與其相反）

過程：將輸入中范圍較窄的低灰度值映射為輸出中較寬范圍的灰度值。用處：用來擴(kuò)展圖像中暗像素的值，同時壓縮更高灰度級的值。特征：壓縮像素值變化較大的圖像的動態(tài)范圍。

舉例：處理傅里葉頻譜，頻譜中的低值往往觀察不到，對數(shù)變換之后細(xì)節(jié)更加豐富。

1.3.冪律變換（又名：伽馬變換）

過程：將窄范圍的暗色輸入值映射為較寬范圍的輸出值。

用處：伽馬校正可以校正冪律響應(yīng)現(xiàn)象，常用于在計(jì)算機(jī)屏幕上精確地顯示圖像，可進(jìn)行對比度和可辨細(xì)節(jié)的加強(qiáng)。

1.4.分段線性變換函數(shù)

缺點(diǎn)：技術(shù)說明需要用戶輸入。優(yōu)點(diǎn)：形式可以是任意復(fù)雜的。

1.4.1.對比度拉伸：擴(kuò)展圖像的動態(tài)范圍。

1.4.2.灰度級分層：可以產(chǎn)生二值圖像，研究造影劑的流動。1.4.3.比特平面分層：原圖像中任意一個像素的值，都可以類似的由這些比特平面對應(yīng)的二進(jìn)制像素值來重建，可用于壓縮圖片。

1.5.直方圖處理

1.5.1直方圖均衡：增強(qiáng)對比度，補(bǔ)償圖像在視覺上難以區(qū)分灰度級的差別。作為自適應(yīng)對比度增強(qiáng)工具，功能強(qiáng)大。

1.5.2直方圖匹配（直方圖規(guī)定化）：希望處理后的圖像具有規(guī)定的直方圖形狀。在直方圖均衡的基礎(chǔ)上規(guī)定化，有利于解決像素集中于灰度級暗端的圖像。

1.5.3局部直方圖處理：用于增強(qiáng)小區(qū)域的細(xì)節(jié)，方法是以圖像中的每個像素鄰域中的灰度分布為基礎(chǔ)設(shè)計(jì)變換函數(shù)，可用于顯示全局直方圖均衡化不足以影響的細(xì)節(jié)的顯示。1.5.4直方圖統(tǒng)計(jì)：可用于圖像增強(qiáng)，能夠增強(qiáng)暗色區(qū)域同時盡可能的保留明亮區(qū)域不變，靈活性好。

二、基本的空間濾波器 2.1.平滑空間濾波器

2.1.1平滑線性濾波器（均值濾波器）

輸出：包含在濾波器模板鄰域內(nèi)的像素的簡單平均值，用鄰域內(nèi)的平均灰度替代了圖像中每個像素的值，是一種低通濾波器。結(jié)果：降低圖像灰度的尖銳變化。

應(yīng)用：降低噪聲，去除圖像中的不相關(guān)細(xì)節(jié)。負(fù)面效應(yīng)：邊緣模糊。

2.1.2統(tǒng)計(jì)排序?yàn)V波器（非線性濾波器）舉例：中值濾波器。過程：以濾波器包圍的圖像區(qū)域中所包含圖像的排序?yàn)榛A(chǔ)，然后使用統(tǒng)計(jì)排序結(jié)果決定的值取代中心區(qū)域的值。

用處：中值濾波器可以很好的解決椒鹽噪聲，也就是脈沖噪聲。

2.2.銳化空間濾波器

2.2.1拉普拉斯算子（二階微分）

作用：強(qiáng)調(diào)灰度的突變，可以增強(qiáng)圖像的細(xì)節(jié)。

2.2.2非銳化掩蔽和高提升濾波

原理：原圖像中減去一幅非銳化（平滑處理）的版本。背景：印刷和出版界使用多年的圖像銳化處理。

高提升濾波：原圖減去模糊圖的結(jié)果為模板，輸出圖像等于原圖加上加權(quán)后的模板，當(dāng)權(quán)重為1得到非銳化掩蔽，當(dāng)權(quán)重大于1成為高提升濾波。

2.2.3梯度銳化（一階微分對）

含義：梯度指出了在該位置的最大變化率的方向。

用處：工業(yè)檢測，輔助人工檢測產(chǎn)品的缺陷，自動檢測的預(yù)處理。

三、基本的頻率濾波器 3.1.1理想低（高）通濾波器 特性：振鈴現(xiàn)象，實(shí)際無法實(shí)現(xiàn)。

用處：并不實(shí)用，但是研究濾波器的特性很有用。

3.1.2布特沃斯低（高）通濾波器

特點(diǎn)：沒有振鈴現(xiàn)象，歸功于在低頻和高頻之間的平滑過渡，二階的布特沃斯低通濾波器是很好的選擇。

效果：比理想低（高）通濾波器更平滑，邊緣失真小。截止頻率越大，失真越平滑。

3.1.3高斯低（高）通濾波器 特點(diǎn)：沒有振鈴。

用處：任何類型的人工缺陷都不可接受的情況（醫(yī)學(xué)成像）。

3.1.4鈍化模板，高提升濾波，高頻強(qiáng)調(diào)濾波 用處：X射線，先高頻強(qiáng)調(diào)，然后直方圖均衡。

3.1.5同態(tài)濾波

原理：圖像分為照射分量和反射分量的乘積。

用處：增強(qiáng)圖像，銳化圖像的反射分量（邊緣信息），例如PET掃描。

3.1.6選擇性濾波

3.1.6.1帶阻濾波器和帶通濾波器。作用：處理制定頻段和矩形區(qū)域的小區(qū)域。

3.1.6.2陷阱濾波器

原理：拒絕或通過事先定義的關(guān)于頻率矩形中心的一鄰域。應(yīng)用：選擇性的修改離散傅里葉變換的局部區(qū)域。

優(yōu)點(diǎn)：直接對DFT處理，而不需要填充。交互式的處理，不會導(dǎo)致纏繞錯誤。用途：解決莫爾波紋。

四、重要的噪聲概率密度函數(shù) 4.1.高斯噪聲

特點(diǎn)：在數(shù)學(xué)上的易處理性。

4.2瑞利噪聲

特點(diǎn)：基本形狀向右變形，適用于近似歪斜的直方圖。

4.3愛爾蘭（伽馬）噪聲

特點(diǎn)：密度分布函數(shù)的分母為伽馬函數(shù)。

4.4指數(shù)噪聲

特點(diǎn)：密度分布遵循指數(shù)函數(shù)。

4.5均勻噪聲 特點(diǎn)：密度均勻。

4.6脈沖噪聲（雙極脈沖噪聲又名椒鹽噪聲）

特點(diǎn)：唯一一種引起退化，視覺上可以區(qū)分的噪聲類型。

五、空間濾波器還原噪聲 5.1均值濾波器 5.1.1算術(shù)均值濾波器

結(jié)果：模糊了結(jié)果，降低了噪聲。適用：高斯或均勻隨機(jī)噪聲。5.1.2幾何均值濾波器

結(jié)果：和算術(shù)均值濾波器相比，丟失的圖像細(xì)節(jié)更少。適用：更適用高斯或均勻隨機(jī)噪聲。

5.1.3諧波均值濾波器

結(jié)果：對于鹽粒噪聲（白色）效果較好，但不適用于胡椒噪聲（黑色），善于處理高斯噪聲那樣的其他噪聲。

5.1.4逆諧波均值濾波器

結(jié)果：適合減少或在實(shí)際中消除椒鹽噪聲的影響，當(dāng)Q值為正的時候消除胡椒噪聲，當(dāng)Q值為負(fù)的時候該濾波器消除鹽粒噪聲。但不能同時消除這兩種噪聲。適用：脈沖噪聲。

缺點(diǎn)：必須知道噪聲是明噪聲還是暗噪聲。

5.2統(tǒng)計(jì)排序?yàn)V波器 5.2.1中值濾波器

適用：存在單極或雙極脈沖噪聲的情況。

5.2.2最大值濾波器

作用：發(fā)現(xiàn)圖像中的最亮點(diǎn)，可以降低胡椒噪聲。

5.2.2最小值濾波器

作用：對最暗點(diǎn)有用，可以降低鹽粒噪聲。

5.2.3中點(diǎn)濾波器

作用：結(jié)合統(tǒng)計(jì)排序和求平均，對于隨機(jī)分布噪聲工作的很好，如高斯噪聲或均勻噪聲。5.2.4修正的阿爾法均值濾波器

作用：在包括多種噪聲的情況下很有用，例如高斯噪聲和椒鹽噪聲混合。

5.3自適應(yīng)濾波器

5.3.1自適應(yīng)局部降低噪聲濾波器

作用：防止由于缺乏圖像噪聲方差知識而產(chǎn)生的無意義結(jié)果，適用均值和方差確定的加性高斯噪聲。

5.3.1自適應(yīng)中值濾波器

作用：處理更大概率的脈沖噪聲，同時平滑非脈沖噪聲時保留細(xì)節(jié)，減少諸如物體邊界粗化或細(xì)化等失真。

5.4頻率域?yàn)V波器消除周期噪聲 5.4.1帶阻濾波器

應(yīng)用：在頻率域噪聲分量的一般位置近似已知的應(yīng)用中消除噪聲

5.4.2帶通濾波器

注意：不能直接在一張圖片上使用帶通濾波器，那樣會消除太多的圖像細(xì)節(jié)。用處：屏蔽選中頻段導(dǎo)致的結(jié)果，幫助屏蔽噪聲模式。

5.4.3陷阱濾波器

原理：阻止事先定義的中心頻率的鄰域內(nèi)的頻率。作用：消除周期性噪聲。

5.4.4最佳陷阱濾波

作用：解決存在多種干擾分量的情況。

第四篇：實(shí)驗(yàn)四頻域分析

實(shí)驗(yàn)四連續(xù)信號與系統(tǒng)的頻域分析

一、實(shí)驗(yàn)?zāi)康模?/p>

1、繪制非周期信號的頻譜。

2、繪制系統(tǒng)的幅頻及相頻響應(yīng)曲線。

二、實(shí)驗(yàn)內(nèi)容

1、非周期信號的頻譜

調(diào)出下列程序，并觀察信號的頻譜。

例：求單邊指數(shù)信號f(t)?e?2tu(t)的傅里葉變換，并畫出f(t)及其幅度譜和相位譜圖。syms t w phase im re;%定義符號變量

f=exp(-2*t)*sym('heaviside(t)');

F=fourier(f);

subplot(311)

ezplot(f);

axis([-1 2.5 0 1.1]);

subplot(312)

ezplot(abs(F));%繪制幅度譜

im=imag(F);%計(jì)算F(jw)虛部

re=real(F);%計(jì)算F(jw)實(shí)部

phase=atan(im/re)%計(jì)算相位譜

subplot(313)

ezplot(phase);

?1??作業(yè)1：試畫出矩形信號g(t)???0??t?12的幅度頻譜，觀察其頻率特性。1t?22、MATLAB提供了函數(shù)freqs來實(shí)現(xiàn)連續(xù)系統(tǒng)頻率響應(yīng)H(j?)的分析。該函數(shù)可以求出系統(tǒng)頻率響應(yīng)的數(shù)值解，并可繪出系統(tǒng)的幅頻及相頻響應(yīng)曲線。調(diào)用格式如下：

（1）H=freqs(B,A,W);B為系統(tǒng)頻率響應(yīng)分子多項(xiàng)式系數(shù)，或者微分方程的右端系數(shù)，A為系統(tǒng)頻率響應(yīng)分母多項(xiàng)式系數(shù)，或微分方程左端系數(shù)。W為形如W1：P：W2的頻率范圍，P為頻率采樣間隔。輸出參量H為返回在W所定義的頻率點(diǎn)上，系統(tǒng)頻率響應(yīng)的樣值。

abs(H)：求H的幅度響應(yīng)；angle(H)：求H的相位響應(yīng)。

作業(yè)2：某連續(xù)時間系統(tǒng)的頻率響應(yīng)為H(j?)?j??3，求系統(tǒng)頻率響應(yīng)的樣值，并繪出幅度2j??3j??2

響應(yīng)曲線和相位響應(yīng)曲線。

（2）freqs（B,A）；該調(diào)用格式并不返回系統(tǒng)頻率響應(yīng)的樣值，而是以伯特圖的方式繪出系統(tǒng)的幅度響應(yīng)和相位響應(yīng)曲線。

j?2?22500作業(yè)3：已知某系統(tǒng)的頻率響應(yīng)H(j?)?，用以上命令繪制幅度響應(yīng)和相位響應(yīng)j?2?200j??20000

曲線，并分析該系統(tǒng)的頻率特性。

第五篇：0904057醫(yī)學(xué)圖像處理教學(xué)大綱

《醫(yī)學(xué)圖像處理》課程教學(xué)大綱

一、課程基本信息

課程編號：0904057 課程中文名稱：醫(yī)學(xué)圖像處理

課程英文名稱：Medical Image Processing 課程性質(zhì)：專業(yè)主干課程 考核方式：考試 開課專業(yè)：生物醫(yī)學(xué)工程 開課學(xué)期：7 總學(xué)時： 48（其中理論38學(xué)時，上機(jī)10學(xué)時）總學(xué)分：3

二、課程目的

本課程是一門專業(yè)基礎(chǔ)課，目的是為了加強(qiáng)生物醫(yī)學(xué)工程專業(yè)學(xué)生用計(jì)算機(jī)進(jìn)行醫(yī)學(xué)圖像處理能力的培養(yǎng)。通過講述bmp圖像、銳化增強(qiáng)、圖像分割、圖像變換、圖像的識別等內(nèi)容，使學(xué)生了解醫(yī)學(xué)圖像處理所必需的基礎(chǔ)知識，掌握醫(yī)學(xué)圖像處理的基本技能和實(shí)際應(yīng)用的方法，為今后結(jié)合本專業(yè)開展相應(yīng)的研究打下良好的基礎(chǔ)。

三、教學(xué)基本要求（含素質(zhì)教育與創(chuàng)新能力培養(yǎng)的要求）

本門課程分為理論學(xué)習(xí)和上機(jī)實(shí)踐兩個部分，要求學(xué)生掌握醫(yī)學(xué)圖像處理所必需的基礎(chǔ)知識的同時，重點(diǎn)培養(yǎng)學(xué)生的實(shí)際應(yīng)用能力。

1、對用計(jì)算機(jī)進(jìn)行醫(yī)學(xué)圖像處理的重要性和特殊性有明確的認(rèn)識。

2、熟悉bmp圖像顯示的方法和相應(yīng)的程序設(shè)計(jì)。

3、熟悉圖像的點(diǎn)運(yùn)算、圖像的代數(shù)運(yùn)算、圖像的幾何運(yùn)算的算法和相應(yīng)的程序設(shè)計(jì)。

4、熟悉直方圖增強(qiáng)、銳化增強(qiáng)、局部增強(qiáng)、偽彩色增強(qiáng)、平滑的算法和相應(yīng)的程序設(shè)計(jì)。

5、熟悉基于邊界的圖像分割、閾值分割、基于區(qū)域增長或分裂的分割算法和相應(yīng)的程序設(shè)計(jì)。

四、教學(xué)內(nèi)容與學(xué)時分配

第一章

數(shù)字圖像的形成和圖像處理系統(tǒng)（4學(xué)時）數(shù)字圖像的形成、圖像處理系統(tǒng)的構(gòu)成，不同成像技術(shù)產(chǎn)生的醫(yī)學(xué)圖像 第二章

圖像的運(yùn)算（6學(xué)時）

圖像的點(diǎn)運(yùn)算、圖像的代數(shù)運(yùn)算，圖像的幾何運(yùn)算 第三章

圖像增強(qiáng)（6學(xué)時，課程重點(diǎn)）

直方圖增強(qiáng)，圖像平滑，銳化增強(qiáng)、局部增強(qiáng)、偽彩色增強(qiáng) 第四章

圖像的分割（6學(xué)時，課程重點(diǎn)、課程難點(diǎn)）

基于邊界的圖像分割、閾值分割，基于區(qū)域增長或分裂的分割、分割效果的評價 第五章

圖像的表達(dá)與描述（4學(xué)時，課程難點(diǎn)）

目標(biāo)外特性的表達(dá)與描述，目標(biāo)內(nèi)特性的表達(dá)與描述、目標(biāo)特性描述的標(biāo)定 第六章

圖像變換（4學(xué)時）

傅立葉變換，傅立葉變換在圖像處理中的應(yīng)用 第七章

圖像的識別（4學(xué)時，課程難點(diǎn)）圖像相似性的測量，圖像的特征，圖像的分類 第八章

醫(yī)學(xué)虛擬現(xiàn)實(shí)系統(tǒng)概述（2學(xué)時）醫(yī)學(xué)虛擬現(xiàn)實(shí)系統(tǒng)的組成及其主要應(yīng)用等 考試（2學(xué)時）

五、教學(xué)方法及手段（含現(xiàn)代化教學(xué)手段及研究性教學(xué)方法）

所運(yùn)用的教學(xué)方法和教學(xué)手段有理論教學(xué)（課堂講授）、使用多媒體教學(xué)、課堂討論、上機(jī)實(shí)踐等。

六、實(shí)驗(yàn)（或）上機(jī)內(nèi)容

1、編寫程序，對醫(yī)學(xué)圖像進(jìn)行平滑處理

2、編寫程序，對醫(yī)學(xué)圖像進(jìn)行濾波處理

3、編寫程序，對醫(yī)學(xué)圖像進(jìn)行基于閾值的圖像分割

4、顯微醫(yī)學(xué)圖像分析

5、醫(yī)學(xué)虛擬現(xiàn)實(shí)演示系統(tǒng)

七、先修課程

先修課程：程序設(shè)計(jì)基礎(chǔ)（C語言）、大學(xué)計(jì)算機(jī)基礎(chǔ)、計(jì)算機(jī)軟件基礎(chǔ)。

八、教材及主要參考資料

[1] 章魯，顧順德，陳瑛.醫(yī)學(xué)圖像處理[M].上海：上?？茖W(xué)技術(shù)出版社，2002.[2] 谷口慶治.數(shù)字圖像處理[M].北京：科學(xué)出版社&共立出版社，2002.九、課程考核方式

平時成績占20%，閉卷筆試占80%。

撰寫人簽字：

院（系）教學(xué)院長（主任）簽字：