五 医学图像增强
为了改善视觉效果或便于人或机器对图像的分析理解，根据图像的特点、存在的问题或应用目的等，所采取的改善图像质量的方法，或加强图像某些特征的措施称为图像增强（image enhancement）
1. 直方图增强法
- 常用的修改直方图的方法主要有：灰度变换和直方图增强。灰度变换又称为对比度扩展与调整，它是一种逐像素点对图像进行变换的增强方法，一般是通过线性或非线性函数对图像的灰度进行逐点修改来事项图像增强的。直方图增强技术是一种通过改变图像的全部或局部对比度进行图像增强的技术，该技术主要有两种：直方图均衡和直方图规定化。
- 步骤：（1）统计原始图像的直方图；（2）对原始图像的直方图作归一化处理；（3）求变换函数的各级灰度等级值，即计算累计直方图sk；（4）把求得的sk归入到离原始图像灰度级最近的灰度级别值中。（5）确定新图像的灰度级别，计算每个灰度级拥有的像素数并绘制新图像的直方图。
2. 空间滤波增强
空间域滤波是在图像空间借助模板进行领域操作完成的，各种空域滤波器根据功能又主要分成平滑滤波器和锐化滤波器两类。图像平滑的目的主要是消除图像中的噪声，而图像锐化则是为了增强被模糊的细节，如图像的边缘等。
- 平滑滤波器：主要用来减弱或消除图像中的噪声成分，从而提高图像的信噪比。锐化滤波器：主要用来通过增强图像的边缘信息，凸显出图像中感兴趣区域的轮廓。
- 均值滤波法：这是一种在空间域对图像进行简单平滑处理的方法，其原理就是用某像素领域内的各点灰度值的平均值代替该像素的原值。这种处理可以减小图像灰度的“尖锐”变化。一般用来处理噪声。有两种，加权平均方法比较好
- 中值滤波法：是一种非线性滤波，这种方法运算简单，对孤立噪声的平滑效果比均值滤波法好，而且它能较好的保护图像边界，但是这种算法会使图像失掉细线和小块的目标区域。
- 基于微分的锐化方法：积分运算可以对医学图像局部区域的像素值求平均，而求平均会造成图像的边缘模糊，微分是积分的逆运算，可以想象通过微分运算能够使图像的边缘锐化。
- 基于边缘检测算子的锐化法
3. 频域滤波增强
卷积定理是频域滤波增强的基础。主要步骤有：
- 计算需增强图像的傅立叶变换；
- 将其与一个根据需要设计的转移函数相乘；
- 再将结果进行傅立叶反变换，得到增强图像。
六 医学图像分割
所谓医学图像分割，就是根据医学图像的某种相似性特征（如亮度、颜色、纹理、面积、形状、位置、局部统计特征或频谱特征等）将医学图像划分为若干个互不相交的“联通”的区域的过程，相关特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同，也就是说在区域边界上的像素存在某种不连续性。一般来说，有意义的图像分割结果中至少存在一个包含感兴趣目标的区域。
通常，医学图像分割方法可以划归为三大类：基于阈值的分割方法，基于边缘的分割方法和基于区域的分割方法。
1. 基于阈值的图像分割方法
- 阈值法是一种常用的将图像中感兴趣目标与图像背景进行分离的图像分割方法，常用的阈值法基本上都是基于一维灰度直方图统计特征的分割方法，它简单地用了一个或几个人阈值将图像灰度直方图分成两段或多段，而把图像中灰度值在同一段内的所有像素归属为同一个物体。
- 很明显，这类分割方法基于如下前提与假设：对应于特定物体或背景的像素灰度呈现峰状分布特征并且基本集中于不同的灰度区间内。
- p-分位数法：用在图像背景和目标差别比较显著的时候。双峰法：先用一维均值滤波器进行平滑处理，然后选取合理阈值。迭代法：本质上是一种简单的两均值聚类技术，适用于直方图呈现双峰形状并且峰谷特征比较明显的图像。最大熵法：使用阈值分割出的两个图像有最大信息量。矩阵保持法：使阈值分割前后图像的矩保持不变。ostu方法：利用方差，阈值自动选取的最有效方法之一。
2. 基于边缘检测的图像分割方法
- 梯度算子，Sobel算子，Kirsch算子，Laplacian算子，Marr算子。
- 三个难点限制。
- 处理后的边缘图像一般是一幅二值图像，边缘和非边缘点被置为黑，白。需要配合其他技术处理后才能保证分割完成。
3. 基于区域的图像分割方法
- 常见的有区域生长法和分裂合并法。
4. 基于模式识别原理的图像分割方法
- 模式分类法和模式聚类法。
- K-近邻分割方法，基于贝叶斯推断的方法--最小误差阈值法，K-均值聚类法。